Estad´ ıstica con GuadaLinex Edu

Estad´ ıstica con Guadalinex-Edu

´ INDICE

´ Indice
1. Introducci´ on 2. Hojas de c´ alculo 2.1. OpenOffice Calc . . . . . . . . . . . . 2.2. Gnumeric . . . . . . . . . . . . . . . . 2.2.1. Estad´ ıstica descriptica . . . . . 2.2.2. Correlaci´ on . . . . . . . . . . . 2.2.3. Muestras y n´ umeros aleatorios 2.2.4. Combinatoria . . . . . . . . . . 2.2.5. Distribuciones de probabilidad 4 4 4 4 5 12 18 19 20 23 23 30 33 34 35 42 42 44 51 57 58 60 64 64 64 65 65 66 66 68 68 68 69 69 69 69 70 70 71 72 87 111 112 115

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

3. Grace 3.1. Estad´ ıstica descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Correlaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Un a˜ nadido: gr´ aficas, integrales y derivadas . . . . . . . . . . . . . . . . . . . . . . 4. R 4.1. Comencemos . . . . . . . . . . . . 4.2. Para practicar: alumnos.txt . . . . 4.2.1. Estad´ ıstica descriptiva . . . 4.2.2. Algunos gr´ aficos con R . . . 4.2.3. Estad´ ıstica bidimensional: 4.3. Combinatoria y numeros aleatorios 4.4. Distribuciones Binomial y Normal 4.5. Inferencia . . . . . . . . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

A. Actividades A.1. Gnumeric . . . . . . . . . . . . . . . . . . . . . . . A.1.1. Estad´ ıstica descriptica . . . . . . . . . . . . A.1.2. Correlaci´ on . . . . . . . . . . . . . . . . . . A.1.3. Muestras y n´ umeros aleatorios . . . . . . . A.1.4. Combinatoria . . . . . . . . . . . . . . . . . A.1.5. Distribuciones de probabilidad . . . . . . . A.2. Grace . . . . . . . . . . . . . . . . . . . . . . . . . A.2.1. Estad´ ıstica descriptiva . . . . . . . . . . . . A.2.2. Correlaci´ on . . . . . . . . . . . . . . . . . . A.2.3. Un a˜ nadido: gr´ aficas, integrales y derivadas A.3. R . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.3.1. Varios . . . . . . . . . . . . . . . . . . . . . A.3.2. Descriptiva y Correlaci´ on. . . . . . . . . . . A.3.3. Combinatoria . . . . . . . . . . . . . . . . . A.3.4. Distribuciones Binomial y Normal . . . . . A.3.5. Inferencia . . . . . . . . . . . . . . . . . . . B. Func. Est. con Gnumeric C. Func. Est. con Calc D. Ref. r´ apida de R E. Comandos de R F. GFDL

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .

Paco Villegas

2

Derechos de Autor (c) 2004 Paco Villegas (mailto:paco@picasa.org). Se otorga permiso para copiar, distribuir y/o modificar este documento bajo los t´ erminos de la Licencia de Documentaci´ on Libre GNU, Versi´ on 1.1 o cualquier otra versi´ on posterior publicada por la Free Software Foundation; sin Secciones Invariantes, sin Textos de Portada, y sin Textos al respaldo. Una copia de la licencia es incluida en el ap´ endice F en la p´ agina 115, titulado ”Licencia de Documentaci´ on Libre GNU”.

Estad´ ıstica con Guadalinex-Edu

2

´ HOJAS DE CALCULO

1.

Introducci´ on

GNULinux y Matem´ aticas, un binomio casi perfecto. Si nos centramos en Estad´ ıstica y Probabilidad, el “matrimonio de hecho” funciona igualmente bien. Entre la multitud de herramientas del software libre, vamos a comentar las que siguen1 : Hojas de c´ alculo: Gnumeric y calc del paquete OpenOffice Programas espec´ ıficos: • De gr´ aficos: grace • El genuino: R

2.
2.1.

Hojas de c´ alculo
OpenOffice Calc

Esta hoja de c´ alculo es muy similar a la Excel. En sus celdas podemos introducir texto, n´ umeros o f´ ormulas con referencias a otras celdas para que la aplicaci´ on realice los c´ alculos establecidos. El programa incorpora tambi´ en una amplia gama de funciones para an´ alisis estad´ ısticos y puede importar hojas de c´ alculo externas.

Las hojas de c´ alculo pueden servir como fuente de datos para generar informes o cartas en serie y para la elaboraci´ on de gr´ aficos y diagramas. El programa puede utilizar tambi´ en datos procedentes de una base de datos externa. En el ap´ endice C en la p´ agina 87 se listan las funciones de esta hoja de c´ alculo. Las posibiliades gr´ aficas de Calc sun superiores que las de Gnumeric, sin embargo la facilidad de uso de esta u ´ltima me hace decantarme por ella, as´ ı que:

2.2.

Gnumeric

Si lo que necesita es una hoja de c´ alculo, Gnumeric es magn´ ıfica. Forma parte de la suite ofim´ atica de Gnome Office y es f´ acil de utilizar. Para cargar el programa
1

Aplicaciones→Oficina→Gnumeric o desde una xterm

Aquellos que est´ an a nuestra disposici´ on en los Centros TIC. Se quedan en el tintero KChart (muy simple y s´ olo para representar gr´ aficos) as´ ı como los programas de c´ alculo simb´ olico: maxima, octave, . . . Todos ellos est´ an disponibles para entornos Windows.

Paco Villegas

4

Estad´ ıstica con Guadalinex-Edu

2

´ HOJAS DE CALCULO

$ gnumeric &.

La ventana es muy intuitiva, semejante a la de otros programas de estas caracter´ ısticas y no nos vamos a parar a describirla. La p´ agina oficial del programa es http://www.gnome.org/projects/ gnumeric en ella encontrareis un manual, FAQ, ... (en ingl´ es). Comentar que ofrece compatibilidad con los formatos de Excel, Lotus y por supuesto con la hoja de c´ alculo de OpenOffice. El trabajo lo vamos a realizar, siempre que se pueda, sin echar mano de las funciones de esta hoja de c´ alculo. Un listado de las funciones estad´ ısticas est´ a en este documento en el ap´ endice B en la p´ agina 72. 2.2.1. Estad´ ıstica descriptica

¯ Para practicar: Las notas de matem´ aticas de 1o ESO A y B han sido: A B 5, 6, 4, 5, 6, 5, 5, 8, 6, 3, 2, 1, 5, 5, 7, 6, 7, 3, 2, 3, 8, 9, 4, 4, 8, 9, 1, 5, 5, 4, 7, 6, 3, 4, 5, 5 1, 5, 7, 4, 3, 8, 6, 5, 4, 7, 3, 7, 1, 2, 4, 8, 9, 7, 8, 1, 2, 4, 5, 6, 8, 2, 3, 2, 8, 4, 5, 6, 5, 6, 8

¿Qu´ e clase obtuvo mejores resultados? Realiza un estudio estad´ ıstico de las notas de ambas clases. Introducimos los datos en Gnumeric (mejor en columnas y no tal cual est´ a la captura2 ) y tras marcar el bloque de ambas listas de datos optamos por pulsar sobre:

2 Para transponer filas a columnas s´ olo hemos de seleccionar las filas, cortarlas y tras seleccionar pegar especial, optar por transponer.

Paco Villegas

5

Estad´ ıstica con Guadalinex-Edu

2

´ HOJAS DE CALCULO

y analicemos qu´ e nos ofrece para nuestras clases de secundaria3 :

De las disponibles vamos a ver: Correlaci´ on Calcula los coeficientes de correlaci´ on de Pearson de las variables dadas. Covarianza Calcula la matriz de covarianzas de las variables. Estad´ ıstica descriptiva Calcula diversos par´ ametros estad´ ısticos: media, error est´ andar, mediana, moda, desviaci´ on est´ andar, varianza simple, curtosis, asimetr´ ıa, rango, m´ ınimo, m´ aximo, suma y conteo. Histograma Diversos tipos de tablas de frecuencias para una o m´ as variables Rangos y percentiles Calcula el rango y percentiles de los datos. Regresi´ on An´ alisis de regresi´ on m´ ultiple: coeficiente de correlaci´ on lineal, pendiente y ordenada en el origen de las rectas de regresi´ on . . . Muestreo Permite obtener una muestra de un conjunto de datos. El muestreo puede ser aleatorio o peri´ odico. Comenzaremos marcando el bloque del que realizar el an´ alisis (etiquetas incluidas) y una vez seleccionada la opci´ on de Estad´ ıstica Descriptiva optamos por marcar la casilla de etiquetas y ´ si nuestros datos est´ an en Columnas, Filas o Areas. El resto de opciones no es necesario tocarlas ya que los valores por defecto son por ahora m´ as que suficientes:

S La salida da bastante informaci´ on, nos aparece la media, error est´ andar ( √ ), mediana, moda, N desviaci´ on est´ andar (cuasidesviaci´ on t´ ıpica), varianza de la muestra (cuasivarianza)4 , curtosis (coeficiente de apuntamiento), desviaci´ on (coeficiente de asimetr´ ıa), rango, valores m´ ınimo y m´ aximo, suma y no de datos.
3 Merece 4 Para

la pena pararse en la parte inferior de Gnumeric. obtener la varianza y la desviaci´ on t´ ıpica tendremos que usar las funciones varp y stdevp respectivamente.

Paco Villegas

6

Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Antes de seguir: ¿qu´ e clase obtuvo mejores resultados? ¿podemos responder ya la pregunta? M´ as posibilidades: La interpretaci´ on de la captura es: en la primera columna la posici´ on que ocupa el dato en Paco Villegas 7 .

la frecuencia absoluta de la nota 1 no est´ a bien calculada. y establecer en 9 el valor de N N o valores = M ax − M in 9−0 = =9 N 9 2.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO la lista original. en la tercera la media aritm´ etica de la posici´ on de los valores ordenados. por ejemplo: Min=0. que se puede hacer de forma autom´ atica desde Editar−→Llenar−→Series Paco Villegas 8 . Max= 9. en la cuarta el percentil que ocupa el dato. Introduzcamos en la hoja de c´ alculo las etiquetas que vamos a usar (del 1 al 96 ) y ahora. Podemos ampliar los valores de M´ ınimo y M´ aximo. ¿qu´ e ha pasado con la nota 1 y 2?. esto no est´ a bien. en la segunda los datos ordenados de mayor a menor. optemos por histograma5 La salida Pasa algo raro verdad. optemos por escribir: 5 Cuidado 6 Notar en marcar bien las casillas de Columnas/Filas y en su caso Etiquetas de entrada. Vamos a intentar arreglarlo: 1. tras seleccionar Histograma. Otra opci´ on.

El resultado. con cualquiera de los dos m´ etodos anteriores ya s´ ı es el esperado: Hagamos nuestro diagrama de barras: y pulsamos sobre Paco Villegas 9 .Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Lo u ´nico a tener en cuenta es que en rango Binario hemos de seleccionar el conjunto de celdas que contiene las 9 etiquetas a usar como notas.

marcamos sobre Gnumeric la zona rectangular en la que deseamos que aparezca y Para modificar nuestro gr´ afico. S´ ı que podremos adecuarlo a nuestro gusto con la ventana Para que se vea el gr´ afico. no podemos optar por otro.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Un comentario: una vez que optemos por un tipo de gr´ afico. pulsaremos sobre ´ el con el bot´ on derecho del rat´ on y tras optar por Paco Villegas 10 .

Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO obtendremos de nuevo Desde este punto y a˜ nadiendo los elementos necesarios. hemos de conseguir que quede de la forma: Ejercicio: Realizar un gr´ afico de sectores como el que sigue: Paco Villegas 11 .

2. 2. Estudia la correlaci´ on entre ambas variables. 2.2. Realiza un diagrama de barras verticales y uno de sectores. Halla la recta de regresi´ on de Y sobre X. 3. Correlaci´ on ¯ Para practicar: La tabla siguiente muestra las respectivas alturas X e Y de una muestra de 12 padres y sus hijos primog´ enitos (en pulgadas): Altura X del padre (en pulg) Altura Y del hijo (en pulg) 65 68 63 66 67 68 64 65 68 69 62 66 70 68 66 65 68 71 67 67 69 68 71 70 1. de esa forma los podemos usar en todos 7 7 Dependiendo de la versi´ on de Gnumeric puede que tengamos que hacerlo desde Datos→ Obtener datos externos→ Obtener archivo de texto los programas .Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Ejercicio La edad de 130 personas que realizaron un experimento se da a continuaci´ on: 15 15 19 21 22 16 20 17 24 20 17 17 23 22 19 19 21 18 21 18 22 23 17 21 21 18 17 17 22 22 23 19 23 21 17 17 19 18 18 18 24 19 19 19 23 21 16 21 19 24 20 18 22 23 21 15 15 21 17 17 18 18 20 17 22 17 19 17 18 19 23 17 20 24 22 19 18 19 17 23 20 19 24 20 23 21 17 21 15 16 17 18 16 21 21 17 22 15 17 16 23 16 19 23 17 16 18 17 17 17 19 18 24 24 16 19 16 17 18 19 17 18 21 19 19 19 19 22 20 21 1. Agrupa las edades por a˜ nos. pulsamos sobre Abrir Archivo y en la ventana que aparece optamos por seleccionar el Tipo de Archivo Paco Villegas 12 . Para leer un fichero en texto plano con Gnumeric. 3. 2. Soluci´ on: ! Lo mejor es importar los datos desde texto plano. Da una tabla de frecuencias simple (para cada a˜ no) y acumulada. Construye el diagrama de dispersi´ on.

el mismo que si los introducimos desde Gnumeric: Nos toca el apartado gr´ afico. s´ olo hay que optar por la segunda opci´ on 13 .Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO S´ olo tenemos que ajustar el formato de los datos que estamos exportando en las ventanas que vamos obteniendo El resultado final. seleccionamos las columnas de datos (sin los nombres de las variables) y pulsamos sobre Paco Villegas .

Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Ahora seleccionamos de nuevo las columnas de datos. obtendremos Paco Villegas 14 . pero esta vez con los nombres de las variables. y pulsamos en Herramientas→An´ alisis Estad´ ıstico→Correlaci´ on Si ahora pulsamos sobre Herramientas→An´ alisis Estad´ ıstico→Covarianza.

Si ahora deseamos hacer estimaciones. obtendremos: De esta hoja s´ olo nos centraremos en aquellos resultados interesantes para Secundaria o Bachillerato. tras ajustar los valores de entrada. Se trata de las celdas B4 Coeficiente de correlaci´ on lineal B5 Coeficiente de determinaci´ on B8 Tama˜ no de la muestra analizada B17 Ordenada en el origen de la recta de regresi´ on8 de Y (Talla del hijo) sobre X (Talla del Padre) B18 Pendiente de la recta de regresi´ on Es decir ry/x : y = 0. seg´ un los valores existentes usando una regresi´ on linear simple.y conocidos.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Con Herramientas→An´ alisis Estad´ ıstico→Regresi´ on y. 8 Este valor y el que sigue se pueden obtener usando la funci´ on LINEST Paco Villegas 15 . El valor futuro estimado es el valor de y para un valor de x dado (x). usaremos la funci´ on: FORECAST(x. 824.x conocidos) La funci´ on FORECAST estima un valor futuro. 476 x + 35.

Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Vamos a comprobar que la recta de regresi´ on pasa por el punto (x. Para eso. ¿con la funci´ on average? icono tiene doble funcionalidad: Si la celda no contiene una funci´ on se nos abre el asistente de funciones. se trata de: x ¯. El resultado. con el punto dibujado sobre la gr´ afica es: Si ahora intercambiamos las variables 9 ¿Lo 10 Este calculamos de nuevo?. tras seleccionar los valores sobre la hoja de c´ alculo hay que pulsar sobre la tecla INTRO para introducirlos. escribamos el valor de x ¯ en una casilla vac´ ıa9 . pulsaremos sobre el icono10 y seleccionaremos la funci´ on anterior de entre las funciones Estad´ ısticas Los valores a introducir se explican en la definici´ on de la funci´ on. despu´ es nos situaremos en donde obtendremos el resultado. y ¯). Y y X . ¡OJO!. ¿con estad´ ıstica descriptiva?. Si contiene una funci´ on nos permite editar la funci´ on de la celda activa Paco Villegas 16 . ¿desde la barra de estado?.

Obtener la Talla estimada de un hijo cuyo padre mida: a ) 60 b ) 70 c ) 80 d ) 100 Comenta los resultados 2.61 7.13 8. Obtener los valores estimados de la Talla de un Padre si el Hijo mide: a ) 60 b ) 70 c ) 80 d ) 100 3. ¿cu´ anto se saltar´ a en los a˜ nos 2000 y 2005? 11 Que no se nos olvide que para pintar una recta s´ olo necesitamos dos puntos por los que pasa.31 8. A˜ nos 1901 1921 1925 1931 1935 1961 1962 1965 1968 1991 Marca 7.28 8. b ) ¿Puede estimarse la marca del r´ ecord por regresi´ on lineal? Si es as´ ı.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Ejercicios: 1. Representa la nube de puntos as´ ı como las dos rectas de regresi´ on11 . 4.89 7.98 8.95 a ) Representa la nube de puntos asociada a estos datos.69 7. Paco Villegas 17 . en metros.90 8.35 8. En la tabla siguiente damos la evoluci´ on del r´ ecord del mundo de salto de longitud masculina.

12 . Obtengamos una muestra aleatoria de tama˜ no 100. Cada uno de ellos corre por una de las pistas y gana el juego el que llegue primero al final. En una pista de carreras de 12 calles numeradas del 1 al 30 tenemos 12 caballos numerados del uno al doce. De esa muestra hay que hacer un an´ alisis estad´ ıstico y realizar algunas gr´ aficas de ella. ¿Qu´ e caballo elegir´ ıas? Paco Villegas 18 2 .2.100 siguiendo una distribuci´ on uniforme.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO 2.. Despu´ es. La carrera El juego que sigue se basa en las siguientes reglas. y as´ ı hasta que uno llegue a la meta. Optar por rellenar los valores de la tercera pesta˜ na es opcional y si la dejamos como est´ a obtendremos una tabla de 10x100 n´ umeros aleatorios. 1 1 2 ..3. usar la muestra y lo visto antes para realizar el estudio de esos datos. 30 El juego consiste en lanzar dos dados y sumar las caras superiores. Muestras y n´ umeros aleatorios Generamos 1000 n´ umeros aleatorios enteros dentro del rango 1... pulsemos sobre Herramientas→An´ alisis Estad´ ıstico→Muestreo En una nueva Hoja obtendremos una muestra aleatoria de tama˜ no 100.. Al n´ umero obtenido significa que ese caballo avanzar´ a una casilla. Pulsamos sobre Editar→Llenar→Generaci´ on de n´ umeros aleatorios Como lo queremos en 10 columnas de 100 datos cada una escribiremos los valores adecuados en N´ umero de variables y Tama˜ no de la muestra.

para eso introduzcamos en la casilla A1 la f´ ormula =int(6*rand()+1). n es el n´ umero de objetos.4. Y dentro de Funciones Matem´ aticas Paco Villegas 19 . k es el n´ umero de objetos en cada variaci´ on. ´ Si n = 0. ´ Si n <k.k) La funci´ on PERMUT devuelve el n´ umero de variaciones de k elementos tomados de entre n. copiemos la f´ ormula a la casilla B1 y sumemos el contenido de las celdas anteriores en la celda C1. con ella generamos un n´ umero aleatorio comprendido entre 1 y 6. PERMUT devuelve el error #NUM!.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO Soluci´ on: Simulemos el juego con Gnumeric. PERMUT devuelve el error #NUM!. Esta funci´ on es compatible con Excel. El resto es f´ acil. como muestra de un posible resultado: 2. Ya s´ olo tenemos que hacer un estudio estad´ ıstico (por ejemplo con la herramienta histograma) de la tercera columna y hallar la distribuci´ on de frecuencias.2. Combinatoria FACT(n) Devuelve el factorial de n (n!) PERMUT(n. Si ahora copiamos el contenido del las celdas 400 o 500 veces prodremos similar ese n´ umero de lanzamientos.

3 b ) ¿Cu´ antos n´ umeros de 5 cifras se pueden formar con los d´ ıgitos 1 al 9? 3. Toma los valores 0 (no es acumulado) o 1 (acumulado) Lo u ´nico a tener en cuenta es que pulsaremos en el bot´ on y. ¿de cu´ antas formas pueden llegar? 2. Distribuciones de probabilidad La funci´ on a usar es: Distribuci´ on binomial BINOMDIST(n.intentos. a ) Halla C10.2.k) k Calcula la cantidad de combinaciones. y acumulado describe si debe devolver la suma de las funciones binomiales de 0 a n. Cn ´ Efectuar esta funci´ on con n´ umeros no enteros o negativos devuelve un error #NUM!. 4 b ) Comprueba con varios n´ umeros que 1) Cm. n+1 = Cm+1. con la ayuda de Gnumeric Paco Villegas 20 . n+1 c ) ¿Cu´ antos grupos de 4 pueden formarse en una clase de 30 alumnos? 2. tenemos que rellenar los datos adecuados: ¡ Que no se nos olvide pulsar sobre la tecla Intro! Ejercicios 1. intentos es el n´ umero total de intentos independientes.p. la probabilidad de que: 12 Perd´ on. p es la probabilidad de ´ exito en intentos. n 2) Cm. tras seleccionar la funci´ on anterior de entre las funciones estad´ ısticas. Ejercicios 1.acumulado) La funci´ on BINOMDIST devuelve la distribuci´ on binomial. n es el n´ umero de ´ exitos.5.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO COMBIN(n. Un examen de preguntas con respuestas m´ ultiples consta de 8 preguntas con 4 opciones de contestaci´ on. n + Cm. Halla: a ) V10. m−n = Cm. ´ Si n es menor que k devuelve un error #NUM!. a ) Halla 17! b ) Seis amigos corren en una carrera. con la ayuda de la tabla binomial12 . Esta funci´ on es compatible con Excel. Si un alumno responde al azar. halla.

b ) M´ as de 2. NORMINV(p. x es el valor para el que calculamos la probabilidad NORMSINV(p) devuelve el inverso de la distribuci´ on acumulativa normal est´ andar. NORMSDIST(x) devuelve la distribuci´ on normal est´ andar acumulativa. Representar una curva normal. 2. Ejercicio 1.acumulado) devuelve la distribuci´ on normal acumulada.media. La probabilidad de que en una empresa minera de 10. p es la probabilidad dada correspondiente a la distribuci´ on normal. b ) Responda menos de 6 correctamente.000 empleados haya uno enfermo es de 0. media es la media aritm´ etica de la distribuci´ on y desvest es la desviaci´ on est´ andar de la distribuci´ on.080 enfermos. p es la probabilidad dada correspondiente a la distribuci´ on normal. a ) Rellenar los valores de x (100) b ) Obtener los valores en esos puntos Paco Villegas 21 .media. Distribuci´ on normal Normal: Gnumeric implementa cuatro funciones relacionadas con la distribuci´ on NORMDIST(x.980 enfermos.desvest.Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO a ) Responda correctamente a 6. acumulado es un valor booleano (0 ´ o 1) que indica si se va a obtener la probabilidad acumulada hasta ese valor.2. Cu´ al ser´ a la probabilidad de que en un momento determinado haya en la empresa: a ) 1.desvest) devuelve la inversa de la distribuci´ on normal acumulada. x es el valor para el que calculamos la probabilidad media es la media de la distribuci´ on. desvest es la desviaci´ on est´ andar.

Representa la gr´ afica de la distribuci´ on normal acumulada Paco Villegas 22 .Estad´ ıstica con Guadalinex-Edu 2 ´ HOJAS DE CALCULO c ) Representar las gr´ aficas (discreta y continua). adecuando los ejes a nuestros intereses 2.

4.weizmann. 5. 7. Estad´ ıstica descriptiva ¯ Para practicar: Las notas de matem´ aticas de 1o ESO A han sido: A 5. La p´ agina principal del programa es http://plasma-gate. 1. 2. 2. Un par de capturas de ellos son: Veamos una serie de ejemplos de sus posibilidades: 3. interpolaciones. 6. Si se elige una pila al azar. 5. 8. 6. 4. 3. 5. 3. 5. Soluci´ on 13 Con $ grace se ejecuta en modo alfanum´ erico. Destaca porque permite realizar an´ alisis estad´ ısticos sobre los datos. 1.Estad´ ıstica con Guadalinex-Edu 3 GRACE 3. Grace Grace es un programa para representar gr´ aficos en dos dimensiones. Paco Villegas 23 . 7. etc. 7. Para ejecutar el programa escribiremos desde una xterm $ xmgrace13 Si pulsamos sobre Help podremos comprobar que tenemos a nuestra disposici´ on un tutorial. 5. 8. 4. No s´ olo permite representar funciones. 3. Se fabrican unas pilas alcalinas cuya duraci´ on en horas sigue una distribuci´ on normal de media 60 h y desviaci´ on t´ ıpica 5 h. 4.il/Grace/. una gu´ ıa de uso. 5. 3. una FAQ y adem´ as podemos acceder a ejemplos. 6. ¿qu´ e probabilidad hay de que dure?: a ) Menos de 50 h. integrales y derivadas. 8. 9. 9. 5. ¿Qu´ e peso m´ aximo tienen el 10 % de los individuos menos obesos de tan op´ ıparo club? 3. sino que adem´ as es muy bueno para gr´ aficos estad´ ısticos. b ) Entre 52 y 65 h. 20). El peso (P ) de los socios del Club de Amigos del Buen Comer ha resultado que se distribuye conforme a una normal N (92. 6. 4. 4. 6. 5 Haz un estudio estad´ ıstico de ellas.ac. 5.1.

Paco Villegas 24 . 36 5 Este fichero lo llamaremos notas_1a. introducir las notas en la segunda y exportar a Texto Plano. pero hay que introducir dos columnas.Estad´ ıstica con Guadalinex-Edu 3 GRACE Las introducimos en un fichero de texto plano14 . Quedar´ a entonces: 14 Una buena opci´ on es usar Gnumeric para generar la primera columna.dat. Nuestro fichero tendr´ a la forma: 1 5 2 6 . sin encabezados) pulsamos sobre Data → Import → ASCII No se cerrar´ a la ventana y tendremos que optar por cerrarla pulsando en la esquina superior derecha. Para leer el archivo de datos (tiene que contener los datos a dos columnas y s´ olo los n´ umeros... la primera para enumerar la nota y la segunda la nota en s´ ı.

Para eso pulsamos con el bot´ on derecho sobre la ventana anterior Paco Villegas 25 . Vamos a mejorarlo: Hagamos doble clic sobre el gr´ afico y optemos por dejar en limpia la zona de dibujo. ¿verdad?.Estad´ ıstica con Guadalinex-Edu 3 GRACE El gr´ afico es un poco malo.

para ello Edit→ Data set y se˜ nalamos el conjunto de datos El gr´ afico es autoexplicativo. Todo limpio ¿verdad?. Vamos a obtener algunos datos sobre nuestra clase.Estad´ ıstica con Guadalinex-Edu 3 GRACE y ocultamos este gr´ afico (Hide). Ahora optemos por la cadena de men´ us Data→Transformations→Histograms Paco Villegas 26 .

.S0). S1. el de salida (G0. Cuando apliquemos y aceptemos saldr´ a 15 Esta nomenclatura indica que se trata del gr´ afico 0 (G0). As´ ı que pulsamos con el bot´ on derecho sobre la ventana anterior y optamos por seleccionar Duplicate Es el momento. Paco Villegas 27 ..Estad´ ıstica con Guadalinex-Edu 3 GRACE Para obtener el “histograma” tenemos que crear el gr´ afico de salida (distinto del que contiene los datos).S1) y rellenemos los campos tal cual aparece en el gr´ afico.. marquemos el gr´ afico de entrada15 (G0. curva dibujada o serie S0. S2 .

En esa caso s´ olo debemos pulsar sobre el icono de la barra de la derecha. 17 Pulsando en la zona adecuada de la zona de gr´ aficos se accede a las mismas funcionalidades que desde el men´ u Plot Paco Villegas 28 .. los t´ ıtulos Haciendo doble clic sobre los ejes he introducido los t´ ıtulos para los ejes. Pero podemos hacer que salga mejor Para conseguir este gr´ afico he modificado17 : Desde Plot→Graph Appearance. he modificado aspectos de las pesta˜ nas: 16 Si la escala no es la adecuada. no se ver´ a bien el gr´ afico.Estad´ ıstica con Guadalinex-Edu 3 GRACE Esto mejora16 .... Desde Plot→Set Appearance.

Est´ a claro que no debemos desperdiciar el tiempo. optaremos por File→Print Setup Paco Villegas 29 .Estad´ ıstica con Guadalinex-Edu 3 GRACE Se trata de conseguir que salga igual que el de la captura anterior. as´ ı que File→Save Por u ´ltimo. si deseamos imprimir el trabajo File→Print. si lo que deseamos es exportarlo a alg´ un formato gr´ afico.

pero no tenemos que imprimirlo. Que no se nos olvide. 3. En la primera columna se escribir´ a el n´ umero de orden del dato y en la segunda el dato (Por ejemplo: 1 15 hasta 130 19). Introduce los datos en un fichero de texto a dos columnas (separadas por un espacio). Ejercicio La edad de 130 personas que realizaron un experimento se da a continuaci´ on: 15 15 19 21 22 16 20 22 23 17 21 21 18 17 19 19 21 18 21 18 22 17 17 19 18 18 18 24 22 22 23 19 23 21 17 19 24 20 18 22 23 21 19 19 23 21 16 21 19 15 17 22 17 19 17 18 15 21 17 17 18 18 20 19 19 17 23 20 19 24 23 17 20 24 22 19 18 20 18 16 21 21 17 22 23 21 17 21 15 16 17 15 16 18 17 17 17 19 17 16 23 16 19 23 17 18 19 21 19 19 22 20 24 21 24 18 16 19 19 16 17 18 17 19 17 24 20 17 17 23 1. as´ ı que falta File→Print.2. 2. 3. b ) Rellenar con Gnumeric una columna con una serie del 1 al 130. Agrupa las edades por a˜ nos. Por u ´ltimo hay que exportarlos a texto plano. con esto configuramos la salida al fichero de formato adecuado. c ) Usar el editor del programa Grace. en la segunda introducir los datos.Estad´ ıstica con Guadalinex-Edu 3 GRACE y seleccionaremos el formato gr´ afico de salida adecuado. Correlaci´ on ¯ Para practicar: La tabla siguiente muestra las respectivas alturas X e Y de una muestra de 12 padres y sus hijos primog´ enitos (en pulgadas): Altura X del padre (en pulg) Altura Y del hijo (en pulg) 65 68 63 66 67 68 64 65 68 69 62 66 70 68 66 65 68 71 67 67 69 68 71 70 Paco Villegas 30 . Da una tabla de frecuencias simple (para cada a˜ no). Para eso puedes usar a ) Un editor cualquiera y guardarlos en texto plano.

Halla la recta de regresi´ on de Y sobre X. Construye el diagrama de dispersi´ on.. Soluci´ on: Ejecutemos # xmgrace y en la ventana resultante. Si aceptamos en la u ´ltima ventana y pulsamos sobre el bot´ on de la pantalla principal de la aplicaci´ on. pulsemos sobre18 Edit→Data Sets.Estad´ ıstica con Guadalinex-Edu 3 GRACE 1. despu´ es pasemos a introducir los datos: Tras aceptar.. en la ventana que aparece. 18 Tambi´ en podemos leer el archivo de datos datos. 3. nos aparecer´ an una serie de l´ ıneas que hemos de “eliminar”: a ) Pulsemos sobre los ejes con el rat´ on y adecuemos la escala (desde 61 a 72). sin encabezados) usando Data → Import → ASCII Paco Villegas 31 . Estudia la correlaci´ on entre ambas variables. optemos porque no se unan los puntos con l´ ıneas y que los puntos se muestren como X.→Edit→Create new→In spreadseht. veremos en la ventana anterior que ya tenemos calculados algunos par´ ametros estad´ ısticos 1. b ) Despu´ es pulsemos sobre las l´ ıneas con el rat´ on y. 2.dat (tiene que contener los datos a dos columnas y s´ olo los n´ umeros.

A˜ nos 1901 1921 1925 1931 1935 1961 1962 1965 1968 1991 Marca 7.95 Paco Villegas 32 .98 8. en metros.90 8. la recta de regresi´ on se dibujar´ a en la nube de puntos.89 7.69 7. Ejercicios 1. En el men´ u principal pulsemos sobre Data→Transformations→Regression y aceptemos en la ventana resultante.35 8.Estad´ ıstica con Guadalinex-Edu 3 GRACE Si aceptamos tendremos: 2.13 8. saldr´ a Adem´ as.61 7.28 8.31 8. En la tabla siguiente damos la evoluci´ on del r´ ecord del mundo de salto de longitud masculina.

Los valores de las variables los podemos introducir de forma calculada.ac. Comenta los resultados. Un a˜ nadido: gr´ aficas. a ) Representa la nube de puntos asociada a estos datos.Estad´ ıstica con Guadalinex-Edu 3 GRACE Nota: Puedes trabajar a partir de los datos ya introducidos en Gnumeric.weizmann.3. se instala con el programa en /usr/share/doc/grace o en http://plasma-gate. Hay que exportarlos a texto plano. y en la ventana resultante Edit→Create New→By Formula. 19 El listado de las funciones que admite Grace se puede consultar en [1].. Vamos a representar la funci´ on de densidad de la distribuci´ on normal.il/Grace/doc/UsersGuide. optamos por Edit→Data sets. b ) ¿Puede estimarse la marca del r´ ecord por regresi´ on lineal? Si es as´ ı..org/matematicas/materiales/correlacion/ para comprobar los resultados del ejercicio anterior y haz 10 estimaciones de la marca que se obtendr´ a en a˜ nos venideros y otras 10 del a˜ no en que se alcanzar´ an las marcas (pon 5 valores “extremos” y 5 dentro del rango de las variables).iesmurgi. Las opciones19 y la salida20 obtenida: Para obtener la gr´ afica de la funci´ on integral Data→Transformations→Integration. con un editor sustituir la coma decimal por un punto. integrales y derivadas Por u ´ltimo veamos otra posibilidad interesante de este programa..... y despu´ es. 3.html 20 Un poco mejorada Paco Villegas 33 . ¿cu´ anto se saltar´ a en los a˜ nos 2000 y 2005? c ) Usa la Web: http://tux. y marcar el gr´ afico adecuado (S0). para ese menester. su derivada y su integral. En el caso de derivada Data→Transformations→Differences.

Estad´ ıstica con Guadalinex-Edu

4

R

Ejercicicio: 1. Representar la par´ abola f (x) = x2 − 2x en el intervalo [−1, 4], la gr´ afica de su derivada y su integral. 2. Transformar la curva anterior usando Data Trasformations → Evaluate expresion. Seleccionamos la curva a transformar (S1, o S2 o S3... en source). No seleccionamos ninguna curva en Destination si deseamos crear una nueva curva. Introducimos la f´ ormula de la transformaci´ on (por ejemplo y = y + 1). Seleccionamos en restriction la regi´ on de datos que queremos transformar (ver apartado definir regiones). Por u ´ltimo Apply y luego Close

4.

R

R´ o ”GNU S” es un programa libre, disponible para entornos Linux, Mac y Windows (http: //cran.r-project.org/21 ) que nos permite realizar c´ alculos y gr´ aficos (de alta calidad) estad´ ısticos. R permite trabajar las t´ ecnicas estad´ ıstcas m´ as b´ asicas, pero llegando a las m´ as avanzadas. Adem´ as, permite que le a˜ nadamos nuevas funcionalidades, ya que podemos programar nuevas funciones o instalar nuevos paquetes (http://cran.r-project.org/src/contrib/PACKAGES.html).
21 Desde esta p´ agina es posible acceder a la completa documentaci´ on disponible para el programa, mucha de ella en castellano (v´ ease [4, 5, 6, 7])

Paco Villegas

34

Estad´ ıstica con Guadalinex-Edu

4

R

4.1.

Comencemos

Para ejecutar el programa, lo mejor es situarnos en el directorio de trabajo y desde un terminal gr´ afico escribimos: $ mkdir pracR $ cd pracR $ R Aparecer´ a el mensaje que reproducimos debajo y al final de ´ este el promp de entrada de ´ ordenes del programa, en el mensaje se nos indica que para salir hay que escribir q(). R : Copyright 2004, The R Foundation for Statistical Computing Version 1.9.0 (2004-04-12), ISBN 3-900051-00-3 R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. Type ’license()’ or ’licence()’ for distribution details. R is a collaborative project with many contributors. Type ’contributors()’ for more information and ’citation()’ on how to cite R in publications. Type ’demo()’ for some demos, ’help()’ for on-line help, or ’help.start()’ for a HTML browser interface to help. Type ’q()’ to quit R.
>

Si deseamos acceder a la completa ayuda que trae podemos ejecutar: > help()

Paco Villegas

35

Estad´ ıstica con Guadalinex-Edu

4

R

Para salir de la ayuda : q La ayuda en modo html >help.start() Para obtener ayuda sobre un comando > ?mean o para buscar qu´ e comando contiene en su ayuda la cadena “mean” > help.search("mean")

!
Las teclas de cursor nos permiten modificar o movernos por el hist´ orico de comandos. R tambi´ en acepta cortar y pegar. [7] nos permite tener en un folio una referencia r´ apida de R. Se adjunta en el ap´ endice D en la p´ agina 111. Casi todos los comandos que se van a estudiar est´ an resumidos en el ap´ endice E en la p´ agina 112. Con > apropos("mean") [1] "kmeans" [5] "mean.POSIXct" [9] "mean.difftime" "weighted.mean" "mean.POSIXlt" "mean" "mean.Date" "mean.data.frame" "mean.default"

obtenemos todas las funciones cuyo nombre contiene la palabra pasada como argumento. Para ver algunos ejemplos de los gr´ aficos que podemos hacer con el programa, escribiremos: >demo(graphics) y pulsaremos, teniendo activa la ventana del terminal, sobre la tecla Intro varias veces hasta que finalice la presentaci´ on.

Paco Villegas

36

cos.718282 > exp(5/0) [1] Inf > exp(-5/0) [1] 0 Podemos ver c´ omo est´ an definidas las variables de entorno con > options() Para trabajar con m´ as d´ ıgitos significativos > pi [1] 3.141593 > options(digits=22) > pi [1] 3.141592653589793115998 > #Dejemos el valor por defecto > options(digits=7) Variables y asignaciones > resultado <. es un comentario Operaciones Matem´ aticas b´ asicas > 4+10*10 [1] 104 >(5+2)*3 [1] 21 Disponemos de las funciones matem´ aticas m´ as usuales: >#sqrt..(4+10)*3 > resultado [1] 42 > nombre <. Optemos por esta u ´ltima opci´ on e iniciemos un paseo por el programa: >#Si se pone una almohadilla. sin. > sqrt (16) [1] 4 > exp(1) [1] 2. log.. exp."Pepe" > nombre [1] Pepe ! R es casesensitive. . salir y no guardar la lista de comandos (n). tan. esto implica que si escribimos > Nombre Paco Villegas 37 . o cancelar.Estad´ ıstica con Guadalinex-Edu 4 R Para salir: > q() Save workspace image? [y/n/c]: Se nos pregunta si deseamos guardar la sesi´ on (y). de esa forma seguimos en el programa.

1)=seq(1.longitud])) Los comandos que siguen obtienen el mismo resultado seq(1.m´ aximo.Estad´ ıstica con Guadalinex-Edu 4 R no encontrar´ a la variable Para saber qu´ e objetos est´ an en memoria.10.[incremento.5) [1] 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 [26] 6 7 8 9 10 [1] "Si" "No" "Si" "No" "Si" "No" "Si" "No" "Si" "No" Paco Villegas 8 9 10 1 2 3 4 5 38 .4.3.3). rep(c("S´ ı". se introducen con la funci´ on: seq(m´ ınimo."Marta") >alumnos [1] "Pepe" "Cristina" "Marta" Introducir datos con la funci´ on scan() > datos<-scan() 1: 5 2: 4 3: 3 4: 2 5: 1 6: Read 5 items > datos [1] 5 4 3 2 1 Secuencias de n´ umeros.2.x) > x [1] 6 7 1 2 3 4 5 > x[3] [1] 1 >almnos<-c("Pepe"."Cristina"."No").c(1. >rep(1:10.5) > x [1] 1 2 3 4 5 > x<.7. podemos usar (indistintamente) >ls() >objects() >#Para borrar el objeto x > rm(x) Vectores de datos >#Para crearlos: Comando c -> Concatenar > x<.5) [1] 2 2 2 2 2 Se pueden escribir varias sentencias separadas por .c(6.10)=seq(10)=seq(1:10)=1:10 >1:10 [1] 1 2 3 4 5 6 7 8 9 10 Comando R´ eplica >rep(2.

2384110 -0.] 2 7 [3.grid(c(1:6).] 3 4 [3. ncol=2) [.c(1:6)) Var1 Var2 1 1 1 .b.6614978 > #Un poco de "mezclas" > expand.] 1 2 [2. type="l") Matrices El comando “b´ asico” para crear matrices22 es: matrix(datos.] 5 6 22 Por defecto las matrices se crean por columnas..1:10 a a^2 b <. ncol=2.Estad´ ıstica con Guadalinex-Edu 4 R Podemos crear secuencias aleatorias (sin repetici´ on) con: > # Una lista de 1:10 ordenada aleatoriamente > sample(10) [1] 8 5 9 6 7 10 2 4 1 3 > # 6 n´ umeros naturales menores de 100 > sample(100.”b” y “c” y con los caracteres “+” y “-” Todas las operaciones aritm´ eticas y funciones matem´ aticas pueden ser aplicadas a vectores y se realizan componente a componente.] 3 8 [4.2] [1.] 1 6 [2.1] [1. > > > > > > > > a <.b) plot(a.1] [.6) [1] 49 84 13 36 9 31 > # Dentro de una distribuci´ on normal > rnorm(4) [1] -0.] 2 [3. 36 6 6 EJERCICIO: Halla todas las posibles formas de mezclar los n´ umeros 4 al 7 con las letras “a”.1177462 -1.. Para crearlas por filas hemos de usar el par´ ametro byrow=TRUE Paco Villegas 39 .ncolumnas) > matrix(1:4) [.] 4 > matrix(1:10.2502104 -2.sqrt(a)+5 b #¿Qu´ e os parece esto? plot(a.2] [1.1] [.nfilas.] 1 [2. byrow=TRUE) [.] 3 [4.] 4 9 [5.] 5 10 > matrix(1:10.

x^3).3] [1.Estad´ ıstica con Guadalinex-Edu 4 R [4.x^2.] 7 9 8 10 Podemos nombrar las filas y columnas23 : > datos<-matrix(c(8.1] [.2. podemos introducir la matriz con > A <.ncol=2. solve(A) inversa de la matriz A diag(A) diagonal principal de la matriz A det(A) para obtener el determinante de  1 Operemos con un par de matrices24 :A =  2 1 A 2 −1 0   1 4 0 yB= 1 1 1 2 4 8  3 9  27 > A <-matrix(c(1.-1. + dimnames=list(c("Matematicas".] 1 0 1 > diag(A) [1] 1 -1 1 > solve(A) [.] 4 0 1 > x <.4.] 2 -1 0 [3.] 1 2 -4 [2.1).2] [.1:3 > B <.] -1 -2 5 > det(A) [1] -1 > t(A) [.ncol=3.0.2] [.byrow=T) > B 23 El 24 Tambi´ en s´ ımbolo + aparece autom´ aticamente cuanto pulsamos intro y con ´ el R nos indica que espera m´ as instrucciones.] 1 2 1 [2.1] [.b) soluci´ on del sistema de ecuaciones A · x = b.5.matrix(c(x.7).3] [1.] 2 3 -8 [3.2.3] [1.3."Lengua").1] [.1.matriz(scan().] 1 2 4 [2.ncol=3) Paco Villegas 40 .2] [.0."Marta"))) > datos Pepe Marta Matematicas 8 5 Lengua 3 7 Operaciones elementales con Matrices A ± B suma/resta de matrices A %* % B producto de matrices t(A) transpuesta de la matriz A solve(A.] 2 -1 0 [3.c("Pepe".ncol=3) > A [.] [5.

1] [.2] [.] 10 Un impass por favor: > demo(persp) Entre los resultados dos: Paco Villegas 41 .1] [.] -16 [3.1] [1.] 1 2 3 [2.3] [1.] 2 4 7 [2.] 1 4 9 [3.3] [1.2] [.3] [1.] 1 0 27 > A %* % B [.] 2 8 28 Cuidado con el producto.Estad´ ıstica con Guadalinex-Edu 4 R > B [.2] [.] 7 42 129 [2.] 2 -4 0 [3.2] [.] 1 0 -3 [3.matrix(1:3) > C > solve(A.] 1 8 27 > A + B [. no es * es %* % > A*B A*B [.] 1 4 12 [2.1] [.1] [.] 2 10 30 Resoluci´ on de sistemas de ecuaciones > C <.3] [1.] -7 [2.] 3 3 9 [3.C) [.

67 diplomado 3 66.38 1. Creamos un directorio en donde poner el trabajo que vamos a realizar.8 bachiller 6 76.46 1.16 1.9 diplomado 4 92.txt Vamos a ver algunas cuestiones b´ asicas que podemos hacer desde R.84 bachiller 3 81.69 bachiller 4 66.7 1.22 1.24 1.53 diplomado 4 52.47 primario 2 42.34 1.47 1.99 primario 4 103. Los distintos valores se separan con espacios25 .74 diplomado 4 67.78 primario 4 81. se han puesto en tres columnas y letra diminuta. El fichero alumnos.txt.txt lo podemos bajar de http://www.97 1.05 4.89 bachiller 5 94.38 bachiller 5 36.59 bachiller 2 62.65 fp 5 62. se trata de introducirlos en una sola.68 diplomado 3 67.79 1.51 bachiller 3 57. Por ejemplo: $mkdir alumnos y ponemos en ´ el el fichero alumnos.15 1. En los apuntes.8 diplomado 5 82.28 1.68 diplomado 5 63.86 1.78 fp 3 84.93 bachiller 5 85.02 bachiller 6 101.41 1.4 1.57 1.44 fp 3 33.52 bachiller 4 57.69 primario 5 70.951 1. Estad´ ıstica descriptiva Desde el directorio alumnos comencemos una sesi´ on del programa.18 1.3 1.2 2 diplomado 6 105.2.47 1.59 1.74 diplomado 5 77. Paco Villegas 42 .13 1.58 bachiller 3 53.029 1.65 bachiller 4 64.105 1.63 bachiller 2 54.81 1.34 fp 8 39707 1.62 1.96 primario 4 100.26 1.72 bachiller 4 71.98 bachiller 5 94.1. Talla Estudios Habitantes Peso 1.74 primario 3 80.54 superior 4 53.94 bachiller 4 96.98 primario 4 96.7 primario 3 74.28 1.36 primario 3 44.5 1.71 1.96 fp 3 90. para no gastar demasiado papel.46 primario 5 43. habitantes y peso de una poblaci´ on de 50 individuos.75 diplomado 2 78.Estad´ ıstica con Guadalinex-Edu 4 R > q() Y guardamos la sesi´ on 4.9 bachiller 3 89.7 1.25 2. estudios.96 1.43 1. iesmurgi.1 1.2.95 bachiller 2 102 1.52 bachiller 4 61.38 1.68 1.64 superior 3 72.61 1.01 1.88 1. Para practicar: alumnos.27 1.66 primario 4 69. contiene la talla.76 primario 4 73.7 1.68 1.94 1.83 primario 5 92.org/~pvillegas/estadistica/alumnos.8 1. 25 No se escriben en tres columnas.17 1.8 bachiller 6 79.txt.

Estad´ ıstica con Guadalinex-Edu

4

R

$R > list.files() [1] "alumnos.txt" > file.show("alumnos.txt") Talla Estudios Habitantes Peso 1.63 bachiller 2 54.88 ... 1.52 bachiller 4 61.05 > datos.alumnos<-read.table("alumnos.txt",header=TRUE) > names(datos.alumnos) [1] "Talla" "Estudios" "Habitantes" "Peso" Con la sentencia read.table leemos el contenido del fichero alumnos.txt y lo ponemos en la variable datos.alumnos. Notar que hemos a˜ nadido la opci´ on de que la primera l´ ınea del fichero es el nombre de los campos contenidos en ´ el. Podemos ver cu´ ales son con el comando de la 2a l´ ınea. Veamos el contenido del caracter Talla > datos.alumnos$Talla [1] 1.63 1.44 1.90 1.58 1.38 1.80 1.64 1.93 1.95 1.59 1.78 1.96 1.89 1.52 1.74 [16] 1.68 2.00 1.67 1.46 1.98 1.47 1.74 1.90 1.65 1.34 1.75 1.68 1.72 1.65 1.80 [31] 1.94 1.99 1.36 1.69 1.69 1.51 1.98 1.84 2.02 1.76 1.96 1.78 1.54 1.80 1.53 [46] 1.74 1.70 1.66 1.83 1.52 Para no tener que acceder a los nombres de los campos con la nomenclatura variable.$nombrecampo, ejecutamos: > attach(datos.alumnos) a partir de ahora podemos referenciar un campo s´ olo por su nombre. > Talla [1] 1.63 1.44 1.90 1.58 1.38 1.80 1.64 1.93 1.95 1.59 1.78 1.96 1.89 1.52 1.74 [16] 1.68 2.00 1.67 1.46 1.98 1.47 1.74 1.90 1.65 1.34 1.75 1.68 1.72 1.65 1.80 [31] 1.94 1.99 1.36 1.69 1.69 1.51 1.98 1.84 2.02 1.76 1.96 1.78 1.54 1.80 1.53 [46] 1.74 1.70 1.66 1.83 1.52 Obtengamos algunos datos sobre la variable Talla > summary(Talla) Min. 1st Qu. 1.340 1.600

Median 1.730

Mean 1.721

3rd Qu. 1.878

Max. 2.020

Obtenemos el valor m´ aximo, m´ ınimo, la media y los cuartiles de esta variable.26 Obtengamos la media, mediana, cuasivarianza27 , cuasidesviaci´ on t´ ıpica, rango y algunos percentiles de la variable Talla: > mean(Talla) [1] 1.7212 > median(Talla)
no hubi´ esemos ejecutado el comando attach, tendr´ ıamos que haber escrito >summary(datos.alumnos$Talla) 27 Podemos crear una funci´ on que calcule la varianza (y despu´ es la desviaci´ on t´ ıpica como sigue): >varianza <- function(x){(length(x)-1)/length(x)*var(x)} >dt<- funcion(x){sqrt(varianza(x))} Para obtenerlas, ahora s´ olo hemos de escribir >varianza(datos) >dt(datos)
26 Si

Paco Villegas

43

Estad´ ıstica con Guadalinex-Edu

4

R

[1] 1.73 > var(Talla) [1] 0.03368016 > sqrt(var(Talla)) [1] 0.1835216 > sd(Talla) [1] 0.1835216 > range(Talla) [1] 1.34 2.02 > quantile(Talla, .01) 1% 1.3498 > quantile(Talla, c(.05,.15)) 5% 15 % 1.407 1.520 Por u ´ltimo obtengamos las frecuencias absolutas de la variable Habitantes > table(Habitantes) Habitantes 2 3 4 5 6 8 5 13 16 11 4 1 salimos (y guardamos la sesi´ on) con28 : >q() 4.2.2. Algunos gr´ aficos con R

Para saber casi todo sobre este tema, y las opciones disponibles para cada uno v´ ease [6]. Los gr´ aficos m´ as usuales son piechart(datos, opciones) Diagrama de sectores hist(datos,nclass=n, opciones) Histograma, nclass es opcional y con ´ el establecemos el n´ umero de intervalos barplot(datos, opciones) Diagrama de barras boxplot(datos, opciones) Diagrama de cajas y bigotes stem(datos) Diagrama de tallo y hojas Estas funciones gr´ aficas tienen muchas posibilidades m´ as y para ampliar lo mejor es mirar la ayuda del programa, algunas de las opciones m´ as usuales son: main="titulo" T´ ıtulo del gr´ afico xlab="etiqueta eje X" Etiqueta del eje X ylab="etiqueta eje Y" Etiqueta del eje Y type="l" Une los puntos con l´ ıneas col="nombre" Color del gr´ afico

! Podemos a˜ nadir varias separadas por comas
28 Antes de salir nos preguntar´ a si queremos guardar la imagen del espacio de trabajo (se guardan todas las ´ ordenes introducidas en la sesi´ on), lo mejor ser´ ıa decir que s´ ı. Podemos guardar el espacio de trabajo en cada directorio en donde ejecutamos R, as´ ı, seg´ un el trabajo que estemos realizando disponemos de la posibilidad de tener distintas sesiones de trabajo guardadas en funci´ on del directorio desde donde lo hayamos llamado.

Paco Villegas

44

Estad´ ıstica con Guadalinex-Edu

4

R

´ Arboles de tallo y hoja > stem(Talla) The decimal point is 1 digit(s) to the left of the | 13 | 468 14 | 467 15 | 1223489 16 | 3455678899 17 | 024445688 18 | 000349 19 | 0034566889 20 | 02 Para practicar Comprueba la salida de stem(Talla,0.1) y stem(Talla,10) Histogramas Podemos hacer un histograma con: > hist(Talla)

Podemos decirle que intente ajustar el n´ umero de intervalos: > hist(Talla,nclass=15)

Paco Villegas

45

Estad´ ıstica con Guadalinex-Edu 4 R Pero nos interesa adecuarlo a nuestro gusto y para eso ejecutamos: Si deseamos guardar el fichero en formato png escribiremos: > jpeg() > hist(Talla. xlab="Tallas de los alumnos".29 Con 29 Si queremos dar un nombre particular al fichero.off() El programa guardar´ a el gr´ afico en el directorio de trabajo en un fichero de nombre Rplotxxx.jpeg. debemos especificarlo previamente con la orden jpeg(”nombre_fichero”) Paco Villegas 46 . ylab="Frecuencias". col="blue") > dev. main="Estadistica 2o ".

00 0.72 0.0 2.5 1. si usamos > hist(Talla. Por ejemplo.40 1.35 1. los intervalos son de la forma ]a.3 1.5.2000000 1.7 1.1.8 1.1. y se trata de usar la opci´ on plot=F.Estad´ ıstica con Guadalinex-Edu 4 R >x11() dejamos las cosas como estaban. por ejemplo > hist(Talla."class") [1] "histogram" Nos agrupar´ a los datos en intervalos30 .65 1.2 1.plot=F) $breaks [1] 1.6000000 1.05 $xname [1] "Talla" $equidist [1] TRUE attr(.6 1.45 1. NOTA: Para saber qu´ e formatos gr´ aficos hay a nuestra disposici´ on debemos ejecutar > help(Devices) Para practicar El comando hist tiene m´ as posibilidades que merece la pena estudiar.2000000 2.35 1.0 1.85 1.40 1. Paco Villegas 47 .75 1.0000000 1.10 1.2.6000000 1.5999975 0. para ver c´ omo se hace revisar la ayuda del comando hist.2.8000000 [8] 0.2.1 $counts [1] 3 3 7 11 11 5 9 1 $intensities [1] 0.95 2.0 2.9 2.1 $counts [1] 0 6 43 1 $intensities [1] 0.5999975 0. Este valor se puede cambiar.05 30 Por defecto.2000000 $density [1] 0.2000000 2. es decir.75 2. que no lo represente gr´ aficamente.2000000 $mids [1] 1.20 $mids [1] 1.0000000 1.72 0.00 0.8000000 [8] 0.4000000 2.b].4000000 2.5 2.4 1.br=c(1.plot=F.20 $density [1] 0. Podemos conseguir intervalos de distinta amplitud usando br.1)) $breaks [1] 1.2000000 1.55 1.

Habitantes) Podemos mejorarlo un poco con: > pie(frec.Habitantes<-table(Habitantes) > pie(frec."class") [1] "histogram" Diagramas de sectores Primero hemos de obtener las frecuencias absolutas.Habitantes. y despu´ es pintamos el gr´ afico > table(Habitantes) Habitantes 2 3 4 5 6 8 5 13 16 11 4 1 > frec.main="Habitantes") Paco Villegas 48 .Estad´ ıstica con Guadalinex-Edu 4 R $xname [1] "Talla" $equidist [1] FALSE attr(.

main="Habitantes") Mejor con algunos retoques: > barplot(frec.Habitantes. xlab="Habitantes". col=c("gray30".75) Paco Villegas 49 . "gray40". ylab="Frecuencias".Habitantes. "gray60". "gray50".Estad´ ıstica con Guadalinex-Edu 4 R Diagramas de barras Realicemos ahora varios diagramas de barras >barplot(frec.main="Personas que conviven \n en el domicilio". "gray ce=.

Habitantes.main="Habitantes") > boxplot(frec.horizontal=TRUE.Habitantes.notch=TRUE) Paco Villegas 50 .main="Habitantes".Estad´ ıstica con Guadalinex-Edu 4 R Gr´ afica de caja y bigotes > boxplot(frec.

con ella creamos un objeto que va a ser un modelo de regresi´ on lineal. No da ninguna salida por pantalla. Tiene m´ ultiples opciones. pch=20.2.Peso) [1] 3. col="red") lm (lineal model ) funci´ on que realiza los modelos lineales en R.Peso) [1] 0. Su sintaxis b´ asica es: Paco Villegas 51 .370751 > cor(Talla.9676415 > plot(Talla. Estad´ ıstica bidimensional: Obtengamos la covarianza. para verlas pod´ eis escribir en la l´ ınea de comandos ?lm y acceder´ eis a la ayuda de R sobre el procedimiento.Estad´ ıstica con Guadalinex-Edu 4 R 4. coeficiente de correlaci´ on y la nube de puntos (modificando el “punto” por defecto a relleno y color rojo) de las dos variables cuantitativas > cov(Talla. Peso.3.

08 la ordenada en el origen y la pendiente de la recta de regresi´ on de Peso sobre Talla. y con: > lm(Peso ~ Talla) Call: lm(formula = Peso ~ Talla) Coefficients: (Intercept) -99. definida por la ordenada en el origen y su pendiente. Peso. Si lo almacenamos en un objeto (hacemos un ajuste de la variable Talla sobre la variable Peso y lo almacenamos en regrePT). a un gr´ afico que est´ e activo.. pch=20. col="red") > abline(lm(Peso~Talla)) 31 Podemos conseguir “casi” lo mismo con: > plot(formula(regre)) > abline(regre) Paco Villegas 52 . La secuencia de ´ ordenes31 que siguen producir´ an el gr´ afico de abajo.009356 otenemos la ordenada en el origen y la pendiente de la recta de regresi´ on de Talla sobre Peso.038261 Peso 0.26 Talla 100. > plot(Talla.. podemos trabajar mejor > regrePT <-lm(Peso~Talla) La funci´ on abline permite a˜ nadir una l´ ınea.+xn Con: > lm(Talla ~ Peso) Call: lm(formula = Talla ~ Peso) Coefficients: (Intercept) 1.Estad´ ıstica con Guadalinex-Edu 4 R lm(formula) En formula ponemos el modelo expresado de la forma y ~ x1+x2+.

Para hacer este apartado s´ olo hemos de tener en cuenta que la recta de regresi´ on de x sobre y.-2) Hay que tener en cuenta que debemos tener alguna ventana gr´ afica activa. lo que hace es representar una recta en el gr´ afico activo a partir de dos n´ umeros: la ordenada en el origen y la pendiente de la recta. para representar la recta de ecuaci´ on y = −2x + 3 escribiremos la sentencia > abline(3.009355705 Para que el proceso quede m´ as “claro”. y teniendo en cuenta que > coef(regrePT) (Intercept) Talla -99. creemos la varibale que almacenar´ a el otro ajuste lineal > regreTP<-lm(Talla~Peso) y veamos qu´ e valores toma la pendiente y ordenada en el origen > coef(regreTP) (Intercept) Peso 1. Por ejemplo. ser´ a de la forma: rx/y : x = m · y + n:y = Con la relaci´ on anterior.Estad´ ıstica con Guadalinex-Edu 4 R Para practicar Ambas rectas de regresi´ on sobre los mismos ejes La funci´ on abline.038261217 0. Si no es as´ ı.0812 nos permite acceder a la pendiente y ordenada en el origen de la recta de regresi´ on. almacenemos esos valores en un par de variables de nombre descriptivo 53 1 n ·x− m m (1) Paco Villegas . se iniciar´ a una pero no obtendremos nada.2627 100. nos dar´ a error.

pch=20. Peso.Estad´ ıstica con Guadalinex-Edu 4 R > pendiente <. solo hemos de pintar en el gr´ afico la nueva recta a partir de los datos anteriores. es decir: 1. Representemos la segunda recta de regresi´ on (Talla sobre Peso) > abline(n.1/pendiente > n <.coef(regre)[1] Hagamos las transformaciones necesarias deducidas de 1 > m <.col="blue") Continuemos.coef(regre)[2] > ordenada <. veamos la salida gr´ afica del comando: > pairs(formula(regre)) Paco Villegas 54 . Reperesentemos la nube de puntos > plot(Talla.(-1)*ordenada/pendiente Con esa informaci´ on ya es f´ acil. Representemos la recta de regresi´ on asociada a esa nube de puntos (Peso sobre Talla) > abline(regrePT) 3.m. col= red ) 2.

029947 -0.9363.9 on 1 and 48 DF.797664 1.001555 0.935 F-statistic: 705.992543 1. Error t value Pr(>|t|) (Intercept) 1.033607 0.625893 32 Una vez definido el objeto regre. codes: 0 ‘***’ 0.661071 1.536733 1.380867 1. para pintar la l´ ınea tambi´ en pod´ ıamos haber escrito > abline(regre) Merece la pena probar >plot(regre) Paco Villegas 55 .979539 1.580518 1.’ 0.2e-16 mostramos el resultado.0003521 26.620935 1. Adjusted R-squared: 0.716269 1.781759 1.090895 -0. con32 > summary(regre) Call: lm(formula = Talla ~ Peso) Residuals: Min 1Q Median 3Q Max -0.57 <2e-16 *** --Signif.921720 1. Es un excelente modelo lineal ya que el Multiple R-Squared: 0.094071 Coefficients: Estimate Std.434756 1.0093557 0.020704 1.940151 1.001 ‘**’ 0.05 ‘. Con: > predict(regre) 1 2 3 4 5 6 7 8 1.351677 1.12 <2e-16 *** Peso 0.04679 on 48 degrees of freedom Multiple R-Squared: 0.835929 9 10 11 12 13 14 15 16 1.673139 1. p-value: < 2.1 ‘ ’ 1 Residual standard error: 0.905535 1.874474 1.9363 (coeficiente de determinaci´ on) se acerca mucho a 1.790553 1.0265428 39.551702 1.Estad´ ıstica con Guadalinex-Edu 4 R Por u ´ltimo.444860 1.0382612 0.629542 17 18 19 20 21 22 23 24 2.01 ‘*’ 0.

351677 1.629542 1.760709 1. codes: 0 ‘***’ 0.532242 1.874474 1.716269 1.938093 2.009355705 As´ ı que: > pendiente <.737132 1.637962 1.727590 1.543189 1.’ 0.89 < 2.05 ‘.940151 [25] 1.532242 1.01 ‘*’ 0.574062 [41] 1. Si lo que deseamos es la tabla del an´ alisis de la varianza usamos la instrucci´ on anova(objeto): > anova(regre) Analysis of Variance Table Response: Talla Df Sum Sq Mean Sq F value Pr(>F) Peso 1 1.886824 49 1.711311 [33] 1.038261217 0.666497 1.409748 1.737132 1.776903 1.686986 Y deben salir los mismos resultados anteriores.776903 1.020704 1.790553 1.673139 1.973832 > #Podemos comprobar que la f´ ormula est´ a > estima(Peso) [1] 1.663129 1.921720 1.829660 1.727590 42 43 44 45 46 47 48 1.620935 1.625893 2.806645 1.409748 33 1.function(x){pendiente*x + ordenada} Para estimar la estatura de una persona que pese 100Kg escribiremos > estima(100) Peso 1.580518 1.00219 --Signif.663129 1.536733 [9] 1.901231 1.lm Paco Villegas 56 .924340 1. Como no he encontrado la funci´ on que me permite hacer prediciones he optado por constru´ ırmela yo.574062 1.901231 26 27 28 29 30 31 32 1.755657 1.380867 1.637962 1.609427 hallamos los valores esperados33 de Talla para los 50 valores de la variable Peso. Varias notas a tener en cuenta: 33 Para conocer la sintaxis completa ?predict.797664 1.2e-16 *** Residuals 48 0.835929 1. s´ olo hay que tener en cuenta que: > coef(regre) (Intercept) Peso 1.905535 1.798412 1.002170 34 35 36 37 38 39 40 1.924340 1.551702 1.450895 41 1.609427 bien 1.694657 1.coef(regre)[1] > estima <.1 ‘ ’ 1 Ejercicios: Realiza con R las actividades realizadas con Gnumeric sobre estad´ ıstica descriptiva y correlaci´ on.Estad´ ıstica con Guadalinex-Edu 4 R 25 1.829660 1.992543 1.694657 1.985994 1.54525 1.661071 1.755657 1.760709 1.450895 1.985994 1.781759 1.979539 [17] 2.10508 0.001 ‘**’ 0.54525 705.686986 50 1.806645 [49] 1.938093 1.711311 1.666497 1.886824 1.coef(regre)[2] > ordenada <.444860 1.434756 1.002170 1.543189 1.798412 1.

el ejercicio con 500 tiradas se reduce a > x<-floor(runif(500. k = 0:n)) [1] 1 [1] 1 1 [1] 1 2 1 [1] 1 3 3 1 [1] 1 4 6 4 1 [1] 1 5 10 10 5 1 [1] 1 6 15 20 15 6 1 [1] 1 7 21 35 35 21 7 1 [1] 1 8 28 56 70 56 28 8 1 [1] 1 9 36 84 126 126 84 36 9 1 [1] 1 10 45 120 210 252 210 120 45 10 > factorial(10) [1] 3628800 Ejercicios: 1.3. Para resolver el ejercicio 2. R trabaja por defecto con punto decimal. • Cuando usamos el comando read. podemos: • Usar un editor (gedit) para sustituir la ." 4. 2) [1] 21 > for (n in 0:10) print(choose(n. Realiza con R las actividades planteadas con Gnumeric sobre combinatoria (apartado 2.n) factorial(n) n! como su nombre indica > choose(5.4 en la p´ agina 19).7)) > table(x+y) 2 3 4 5 6 7 8 9 10 11 12 16 27 43 56 65 85 69 51 40 30 18 1 Paco Villegas 57 .2. si tenemos datos separados por coma decimal. 2.7)) > y<-floor(runif(500. Para que R no d´ e problemas al leer los datos de un fichero con columnas de diferente tama˜ no.minimo. hay que conseguir que lo sean escribiendo un u ´ltimo valor Na en la columna del menor n´ umero de datos (para que el tama˜ no de la muestra sea igual).Estad´ ıstica con Guadalinex-Edu 4 R El ejercicio sobre las notas de alumnos trabaja con dos grupos de diferente tama˜ no. por . usar la opci´ on dec=". Combinatoria y numeros aleatorios m n combinaciones choose(m.2.3 en la p´ agina 18 con R podemos usar las funciones runif(n.m´ aximo) devuelve n valores aleatorios distribuidos uniformemente comprendidos entre m´ ınimo y m´ aximo.table.1. floor(x) devuelve la parte entera del n´ umero pasado como argumento Usando ambas funciones.1.

10.2460938 Paco Villegas 58 pk (1 − p)n−k ) P (X = i)) .5) [1] 0.10.0."camiseta".10.10."zapatos")) Var1 Var2 Var3 1 vaqueros camisa deportivos 2 chandal camisa deportivos 3 vaqueros camiseta deportivos 4 chandal camiseta deportivos 5 vaqueros polo deportivos 6 chandal polo deportivos 7 vaqueros camisa zapatos 8 chandal camisa zapatos 9 vaqueros camiseta zapatos 10 chandal camiseta zapatos 11 vaqueros polo zapatos 12 chandal polo zapatos R no est´ a mal ¿verdad? 4.75) [1] 1 > pbinom(5.10.2460937 > dbinom(5.grid(c("vaqueros". p) funci´ on de probabilidad (P (X = k ) = pbinom(k.c("camisa".5) [1] 0. p) > pbinom(10. Distribuciones Binomial y Normal n k k i=0 Las funciones son: dbinom(k.0.0. p) calcula x | P (X ≤ x) = P rbinom(x. n."chandal"). n.5) [1] 0. n.4.0.c("deportivos".Estad´ ıstica con Guadalinex-Edu 4 R Si a esto a˜ nadimos la posibilidad de obtener las combinaciones: >expand. p) para obtener x n´ umeros aleatorios de una distribuci´ on B (n. p) funci´ on de distribuci´ on (P (X ≤ k ) = qbinom(P. n.6230469 > pbinom(5.5)-pbinom(4.0."polo").

0.0:10 y <.10.10.0.75) plot(x.Estad´ ıstica con Guadalinex-Edu 4 R Y una posible gr´ afica gr´ afica: > > > > > x <.pbinom(x.4.5 > dnorm(0) [1] 0. σ ) funci´ on de distibuci´ on F (x) = qnorm(p.seq(-4.y) La “normal” dnorm(x.type="l") Paco Villegas 59 .68808897 0.y. µ. escribiremos dnorm(x. µ.1) > y <. µ.05409749 -0.94687649 1. µ.by=0. µ.0:10 y <. R trabaja con una N (0.76185058 Si nuestro objetico es trabajar con una N (µ.4) [1] 0.10.63707195 0.004382075 El gr´ afico obligado > x <. σ ) para obtener x n´ umeros aleatorios siguiendo una distribuci´ on normal Si no escribimos ni la media ni la desviaci´ on t´ ıpica. 1) > pnorm(0) [1] 0.75) x <.pbinom(x. σ ) funci´ on de densidad f (x) = √1 2πσ e− 2 ( 1 x−µ σ ) 2 pnorm(x. σ ) calcula x | P (X ≤ x) = p x −∞ f (t) dt rnorm(x. σ ): > dnorm(0.3989423 > rnorm(5) [1] -0. σ ).dnorm(x) > plot(x.

Realiza con R las actividades planteadas sobre Binomial y Normal (ejercicios 3 y 4) para Gnumeric ( 2. c ) ¿Qu´ e podemos afirmar sobre la hip´ otesis de que µ = 35? ´n Solucio a ) Se trata de obtener un intervalo de confianza para la media poblacional con σ conocida. Dibujar la funci´ on de distribuci´ on de la N (0. X + Z α ¯ 2 2 > baterias <. El gr´ afico resultante estar´ a en formato pdf y tendr´ a de nombre acum_gauss.scan() 1: 33 2: 44 3: 37 4: 31 5: 39 6: 42 7: Read 6 items Paco Villegas 60 . 1).Estad´ ıstica con Guadalinex-Edu 4 R Ejercicios: 1. es decir hay que hallar: ¯ − Z α σx ¯ X σx ¯. Si elegida una muestra de seis de estas se tienen las siguientes duraciones (en meses): 33 44 37 31 39 42 a ) Determine un intervalo de confianza del 95 % para dicho promedio de vida en meses.2.5. b ) Determine un intervalo de confianza del 90 % para dicho promedio de vida en meses.pdf 2. 4. Un fabricante de bater´ ıas de autom´ oviles sabe que la vida de ´ estas sigue una ley normal y quiere informar sobre el promedio de vida en meses para sus bater´ ıas. Inferencia Nada mejor que un par de ejercicios “retocados” de selectividad: 1.5 en la p´ agina 20).

test(baterias) One Sample t-test data: baterias t = 18.90) One Sample t-test data: baterias t = 18.66667 Ya es f´ acil: (32.37074 42. df = 5. 42.37074 42.37074.96259 sample estimates: mean of x 37.66667 b ) Con R la estad´ ıstica es otra cosa > t.con.96259) a ) S´ olo hemos de escribir > t.test(baterias.2521 alternative hypothesis: true mean is not equal to 35 95 percent confidence interval: 32.51525 41. p-value = 0.level=0.96259 sample estimates: mean of x 37.mu=35) One Sample t-test data: baterias t = 1.96259 sample estimates: mean of x 37. p-value = 9e-06 alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: 32.90) One Sample t-test data: baterias t = 18.283.37074 42.2944. df = 5.test(baterias.81808 sample estimates: mean of x 37.283.conf.test) > t.66667 Paco Villegas 61 . p-value = 9e-06 alternative hypothesis: true mean is not equal to 0 90 percent confidence interval: 33.level=0. p-value = 9e-06 alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: 32.Estad´ ıstica con Guadalinex-Edu 4 R > t.283.66667 > help(t.test(baterias. df = 5. df = 5.

169. Para casa 1.00. 168. 167.35. Luego. b ) ¿Podemos afirmar que la media del coste de la revisi´ on de todos los talleres es de µ = 1.10 165.25. 175.75.05). En 10 talleres elegidos al azar se ha pedido presupuesto para efectuar una cierta revisi´ on a un mismo autom´ ovil.15.60? Paco Villegas 62 . obteni´ endose los siguientes precios en euros: 160. 172.Estad´ ıstica con Guadalinex-Edu 4 R El p-valor es mayor que el nivel de significancia utilizado (α = 0.30. 162.10 a ) Determine cu´ ales est´ an incluidos en el intervalo de confianza de nivel 95 % que se obtiene con esta muestra para la citada ley normal.20. no existen evidencias para rechazar la hip´ otesis de que la media no sea 35 (Hip´ otesis Nula Ho:).50. 158. 170.

Estad´ ıstica con Guadalinex-Edu 4 R Ap´ endices Paco Villegas 63 .

5. 5. 7. 6. La edad de 130 personas que realizaron un experimento se da a continuaci´ on: 15 15 19 21 22 16 20 17 24 20 17 17 23 22 19 19 21 18 21 18 22 23 17 21 21 18 17 17 22 22 23 19 23 21 17 17 19 18 18 18 24 19 19 19 23 21 16 21 19 24 20 18 22 23 21 15 15 21 17 17 18 18 20 17 22 17 19 17 18 19 23 17 20 24 22 19 18 19 17 23 20 19 24 20 23 21 17 21 15 16 17 18 16 21 21 17 22 15 17 16 23 16 19 23 17 16 18 17 17 17 19 18 24 24 16 19 16 17 18 19 17 18 21 19 19 19 19 22 20 21 a ) Agrupa las edades por a˜ nos. 1. 5 1. Las notas de matem´ aticas de 1o ESO A y B han sido: A B 5. Paco Villegas 64 . 4.1. A. 5. 8. 3. 7. 7. 5. 5. 9.1. 1. b ) Da una tabla de frecuencias simple (para cada a˜ no) y acumulada. 7. 4. 8 ¿Qu´ e clase obtuvo mejores resultados? Realiza un estudio estad´ ıstico de las notas de ambas clases. 4. 2. 5. 6. 9.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES A. 8. 8. 3. 3. 1. 8. 6. 8. 5. 8. 1. 4.1. 4. 5. 8. 4. 6. 6. 3. 8. 4. 5. 7. 2. 7. 6. c ) Realiza un diagrama de barras verticales y uno de sectores. 2. 9. a ) Realizar un gr´ afico de sectores como el que sigue: 2. 2. 4. 4. 6. 6. 3. 3. 6. 5. 5. 7. Gnumeric Estad´ ıstica descriptica 1. 2. Actividades Las que est´ an hechas en los apuntes se marcan con A. 5. 2. 4. 3. 5.

A˜ nos 1901 1921 1925 1931 1935 1961 1962 1965 1968 1991 Marca 7.2. pulsemos sobre Herramientas→An´ alisis Estad´ ıstico→Muestreo Muestras y n´ umeros aleatorios b ) De esa muestra hay que hacer un an´ alisis estad´ ıstico y realizar algunas gr´ aficas de ella.69 7. 2. Paco Villegas 65 . En la tabla siguiente damos la evoluci´ on del r´ ecord del mundo de salto de longitud masculina.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES A. Halla la recta de regresi´ on de Y sobre X. Despu´ es. ¿cu´ anto se saltar´ a en los a˜ nos 2000 y 2005? A. Para esto pulsamos sobre Editar→Llenar→Generaci´ on de n´ umeros aleatorios y rellenamos los campos de la pesta˜ na N´ umeros aleatorios. usar la muestra y lo visto antes para realizar el estudio de esos datos.98 8. Para obtener la muestra aleatoria de tama˜ no 100.. 60 70 80 100 d ) Obtener la Talla estimada de un hijo cuyo padre mida: Comenta los resultados e ) Obtener los valores estimados de la Talla de un Padre si el Hijo mide: 1) 2) 3) 4) 60 70 80 100 f ) Representa la nube de puntos as´ ı como las dos rectas de regresi´ on34 . b ) ¿Puede estimarse la marca del r´ ecord por regresi´ on lineal? Si es as´ ı. La tabla siguiente muestra las respectivas alturas X e Y de una muestra de 12 padres y sus hijos primog´ enitos (en pulgadas): Altura X del padre (en pulg) Altura Y del hijo (en pulg) a) b) c) 1) 2) 3) 4) 65 68 63 66 67 68 64 65 68 69 62 66 70 68 66 65 68 71 67 67 69 68 71 70 Construye el diagrama de dispersi´ on. Como lo queremos en 10 columnas de 100 datos cada una escribiremos los valores adecuados en N´ umero de variables y Tama˜ no de la muestra (en la pesta˜ na Opciones). a) Generar 1000 n´ umeros aleatorios enteros dentro del rango 1.13 8.1.35 8.3. Los valores de la tercera pesta˜ na son opcionales y si la dejamos como est´ a obtendremos una tabla de 10x100 n´ umeros aleatorios. Estudia la correlaci´ on entre ambas variables. Correlaci´ on 1.31 8.90 8.95 a ) Representa la nube de puntos asociada a estos datos. 34 Que no se nos olvide que para pintar una recta s´ olo necesitamos dos puntos por los que pasa.28 8. 1.61 7.89 7.1. en metros. En una nueva Hoja obtener una muestra aleatoria de tama˜ no 100.100 siguiendo una distribuci´ on uniforme.

3 b ) ¿Cu´ antos n´ umeros de 5 cifras se pueden formar con los d´ ıgitos 1 al 9? 3.1. n+1 = Cm+1.080 enfermos. Un examen de preguntas con respuestas m´ ultiples consta de 8 preguntas con 4 opciones de contestaci´ on. Halla: a ) V10.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES A. con la ayuda de Gnumeric 35 Perd´ on.980 enfermos. Cu´ al ser´ a la probabilidad de que en un momento determinado haya en la empresa: a ) 1. con la ayuda de la tabla binomial35 . ¿de cu´ antas formas pueden llegar? 2. Paco Villegas 66 .4. a ) Halla C10. 2. la probabilidad de que: a ) Responda correctamente a 6.2. m−n = Cm. Si un alumno responde al azar. b ) Responda menos de 6 correctamente. n+1 c ) ¿Cu´ antos grupos de 4 pueden formarse en una clase de 30 alumnos? A. Representar una curva normal. n 2) Cm. La probabilidad de que en una empresa minera de 10. b ) M´ as de 2. n + Cm. Distribuci´ on normal 1.000 empleados haya uno enfermo es de 0.1. 4 b ) Comprueba con varios n´ umeros que 1) Cm. 1. Combinatoria a ) Halla 17! b ) Seis amigos corren en una carrera.5. Distribuciones de probabilidad Distribuci´ on binomial 1. halla.

Representa la gr´ afica de la distribuci´ on normal acumulada 3. ¿Qu´ e peso m´ aximo tienen el 10 % de los individuos menos obesos de tan op´ ıparo club? Paco Villegas 67 . El peso (P ) de los socios del Club de Amigos del Buen Comer ha resultado que se distribuye conforme a una normal N (92. Se fabrican unas pilas alcalinas cuya duraci´ on en horas sigue una distribuci´ on normal de media 60 h y desviaci´ on t´ ıpica 5 h.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES 2. 4. 20). Si se elige una pila al azar. ¿qu´ e probabilidad hay de que dure?: a ) Menos de 50 h. b ) Entre 52 y 65 h.

2. 3) Usar el editor del programa Grace. A.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES A. b ) ¿Puede estimarse la marca del r´ ecord por regresi´ on lineal? Si es as´ ı.31 8. 7. 3. 68 Paco Villegas . A. 6.iesmurgi. 6. en metros. 2. 5.61 7. b ) Agrupa las edades por a˜ nos. 5. Hay que exportarlos a texto plano. 5.98 8.89 7. 8. 1.35 8.2. 1. 3. Por u ´ltimo hay que exportarlos a texto plano. En la primera columna se escribir´ a el n´ umero de orden del dato y en la segunda el dato (Por ejemplo: 1 15 hasta 130 19). Para eso puedes usar 1) Un editor cualquiera y guardarlos en texto plano.69 7. 1.13 8. 4. 7. 1. 2. 5 Haz un estudio estad´ ıstico de ellas. 6.2. 2. ¿cu´ anto se saltar´ a en los a˜ nos 2000 y 2005? c ) Usa la Web: http://tux. y despu´ es. 5.90 8. Comenta los resultados.95 Nota: Puedes trabajar a partir de los datos ya introducidos en Gnumeric. 7. 2. 9.1.2. 5. a ) Representa la nube de puntos asociada a estos datos.org/matematicas/materiales/correlacion/ para comprobar los resultados del ejercicio anterior y haz 10 estimaciones de la marca que se obtendr´ a en a˜ nos venideros y otras 10 del a˜ no en que se alcanzar´ an las marcas (pon 5 valores “extremos” y 5 dentro del rango de las variables). 2) Rellenar con Gnumeric una columna con una serie del 1 al 130. 9. 5.28 8. 3. 6. En la tabla siguiente damos la evoluci´ on del r´ ecord del mundo de salto de longitud masculina. con un editor sustituir la coma decimal por un punto. Grace Estad´ ıstica descriptiva Las notas de matem´ aticas de 1o ESO A han sido: A 5. A˜ nos 1901 1921 1925 1931 1935 1961 1962 1965 1968 1991 Marca 7. 4. 4. 8. b ) Halla la recta de regresi´ on de Y sobre X. La edad de 130 personas que realizaron un experimento se da a continuaci´ on: 15 15 19 21 22 16 20 17 24 20 17 17 23 22 19 19 21 18 21 18 22 23 17 21 21 18 17 17 22 22 23 19 23 21 17 17 19 18 18 18 24 19 19 19 23 21 16 21 19 24 20 18 22 23 21 15 15 21 17 17 18 18 20 17 22 17 19 17 18 19 23 17 20 24 22 19 18 19 17 23 20 19 24 20 23 21 17 21 15 16 17 18 16 21 21 17 22 15 17 16 23 16 19 23 17 16 18 17 17 17 19 18 24 24 16 19 16 17 18 19 17 18 21 19 19 19 19 22 20 21 a ) Introduce los datos en un fichero de texto a dos columnas (separadas por un espacio). 6. Correlaci´ on La tabla siguiente muestra las respectivas alturas X e Y de una muestra de 12 padres y sus hijos primog´ enitos (en pulgadas): Altura X del padre (en pulg) Altura Y del hijo (en pulg) 65 68 63 66 67 68 64 65 68 69 62 66 70 68 66 65 68 71 67 67 69 68 71 70 a ) Construye el diagrama de dispersi´ on. c ) Da una tabla de frecuencias simple (para cada a˜ no). 4. 5. 3. 4. en la segunda introducir los datos. 8. 5.

5 1. No seleccionamos ninguna curva en Destination si deseamos crear una nueva curva. R Varios al 7 con las letras “a”. Seleccionamos en restriction la regi´ on de datos que queremos transformar (ver apartado definir regiones). o S2 o S3.9 bachiller 3 89.93 bachiller 5 85. Transformar la curva anterior usando Data Trasformations → Evaluate expresion..58 bachiller 3 53.47 1.47 1.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES A. La talla.63 bachiller 2 54.28 1. Introducimos la f´ ormula de la transformaci´ on (por ejemplo y = y + 1). Halla: 27 3 1.38 bachiller 5 36. b) A + B y A · B c ) Resuelve el sistema A · x = C A. 1. Representar la par´ abola f (x) = x2 − 2x en el intervalo [−1. su derivada y su integral.95 bachiller 2 102 1. Halla todas las posibles formas de mezclar los n´ umeros 4 con los caracteres “+” y “-”    1 2 4 1 2. estudios. A−1 . Seleccionamos la curva a transformar (S1.3. Por u ´ltimo Apply y luego Close A. 1. A. Un a˜ nadido: gr´ aficas.38 1. 4]. integrales y derivadas Representar la funci´ on de densidad de la distribuci´ on normal.2. Dadas las matrices: A =  2 −1 0  y B =  1 1 0 1 1 a ) La diagonal principal de A.17 Paco Villegas 69 .64 superior 3 72.26 1.59 bachiller 2 62.1. 2.62 1. la gr´ afica de su derivada y su integral. en source). Talla Estudios Habitantes Peso 1. 3.78 primario 4 81.8 bachiller 6 79. Descriptiva y Correlaci´ on.28 1. habitantes y peso de una poblaci´ on de 50 individuos est´ a recogida a continuarci´ on.3.”b” y “c” y 2 4 8    3 1 9  y C =  2 .3..88 1. At y |A|.3.44 fp 3 33.2.

75) 2. Realiza con R las actividades realizadas con Gnumeric sobre estad´ ıstica descriptiva (notas de matem´ aticas.7 primario 3 74. Halla todas las combinaciones posibles con la que Marta se puede vestir si dispone de pantalones vaqueros y de chandal.1 1.94 1.24 1.7 1.18 1. • Cuando usamos el comando read. 1.01 1.66 primario 4 69.65 fp 5 62.27 1.69 bachiller 4 66.74 diplomado 5 77. X → B (10.99 primario 4 103. 2.table.25 2. Halla a ) P (X ≤ 0).98 bachiller 5 94. r´ ecord del mundo de salto).8 bachiller 6 76.75 diplomado 2 78.61 1.68 1.96 primario 4 100.98 primario 4 96.22 1.8 1.84 bachiller 3 81. hay que conseguir que lo sean escribiendo un u ´ltimo valor Na en la columna del menor n´ umero de datos (para que el tama˜ no de la muestra sea igual).43 1.94 bachiller 4 96. camiseta y polo y zapatos y zapatillas de deporte." A. Estudia la correlaci´ on entre las variables Peso y Talla.3.83 primario 5 92.57 1.72 bachiller 4 71. Distribuciones Binomial y Normal Halla: a ) P (X ≤ 10). 1) b ) f (0).81 1.97 1.89 bachiller 5 94. 0.7 1.65 bachiller 4 64. camisa. X → N (0.68 diplomado 5 63.78 fp 3 84.96 fp 3 90. Combinatoria Halla un tri´ angulo de Tartaglia hasta la d´ ecima fila.52 bachiller 4 61.67 diplomado 3 66.36 primario 3 44.7 1.59 1. Paco Villegas 70 . Realiza con R las actividades planteadas con Gnumeric sobre combinatoria (apartado A.46 primario 5 43.68 1. podemos: • Usar un editor (gedit) para sustituir la .75) d ) La gr´ afica de la funci´ on de distribuci´ on de X → B (10.38 1.3. R trabaja por defecto con punto decimal.79 1.96 1. 0.951 1.75) b ) P (X ≤ 5). 0. 1.5) c ) P (X = 5). X → B (10.41 1.76 primario 4 73.54 superior 4 53.15 1.53 diplomado 4 52.34 fp 8 39707 1. 0. usar la opci´ on dec=". 3.2 2 diplomado 6 105. X → B (10. Representa gr´ aficamente los datos.3.1.16 1.46 1.74 primario 3 80.68 diplomado 3 67.52 bachiller 4 57. 1) A.8 diplomado 5 82. X → N (0.51 bachiller 3 57.4 en la p´ agina 66).69 primario 5 70. edad de 130 personas) y correlaci´ on (altura Padre e Hijo. 2. Varias notas a tener en cuenta: El ejercicio sobre las notas de alumnos trabaja con dos grupos de diferente tama˜ no.74 diplomado 4 67.05 Realiza un estudio estad´ ıstico de ellos.105 1.34 1.029 1.86 1.47 primario 2 42.4 1.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES 1. si tenemos datos separados por coma decimal.71 1. por .3 1.9 diplomado 4 92.4.02 bachiller 6 101. Para que R no d´ e problemas al leer los datos de un fichero con columnas de diferente tama˜ no.13 1.

25.20.50. 168. 167.5. A. b ) Determine un intervalo de confianza del 90 % para dicho promedio de vida en meses. Si elegida una muestra de seis de estas se tienen las siguientes duraciones (en meses): 33 44 37 31 39 42 a ) Determine un intervalo de confianza del 95 % para dicho promedio de vida en meses. obteni´ endose los siguientes precios en euros: 160. 1) d ) f (0). b ) ¿Podemos afirmar que la media del coste de la revisi´ on de todos los talleres es de µ = 1.5 en la p´ agina 66).15. 1) 4. 175. 169.10 a ) Determine cu´ ales est´ an incluidos en el intervalo de confianza de nivel 95 % que se obtiene con esta muestra para la citada ley normal. c ) ¿Qu´ e podemos afirmar sobre la hip´ otesis de que µ = 35? 2. 162. 170. 172.pdf 5.60? Paco Villegas 71 .3. 4) 3.30. Dibujar la funci´ on de distribuci´ on de la N (0. 158. 1).10 165.Estad´ ıstica con Guadalinex-Edu A ACTIVIDADES c ) Halla 5 n´ umeros aleatorios seg´ un una N (0.1. El gr´ afico resultante estar´ a en formato pdf y tendr´ a de nombre acum_gauss. Realiza con R las actividades planteadas sobre Binomial y Normal (ejercicios 3 y 4) para Gnumeric ( A.75.35. En 10 talleres elegidos al azar se ha pedido presupuesto para efectuar una cierta revisi´ on a un mismo autom´ ovil. Representa las gr´ aficas de la funci´ on de densidad de una N (0. 1.00. X → N (10. Inferencia Un fabricante de bater´ ıas de autom´ oviles sabe que la vida de ´ estas sigue una ley normal y quiere informar sobre el promedio de vida en meses para sus bater´ ıas.

Si alfa <= 0 o beta <= 0.beta[.p) BERNOULLI devuelve la probabilidad p(k) de obtener k de una distribuci´ on de Bernoulli con par´ ametro de probabilidad p. BETADIST usa 1. se contar´ a como un cero (0).b]) La funci´ on BETAINV devuelve la inversa de la distribuci´ on beta acumulada. BETAINV devuelve el error #NUM. (E) Si no se de a.) AVEDEV devuelve la desviaci´ on media. 36 Las que son compatibles con Excel se marcan con (E) Paco Villegas 72 .beta[. Es equivalente a la suma de los argumentos dividido por el n´ umero de argumentos. BETADIST usa 0. Se incluyen en el c´ alculo los n´ umeros y tambi´ en los textos y expresiones l´ ogicas...a.. Si no se da b. Si contiene un valor l´ ogico VERDADERO se contar´ a como un uno (1). (E) Si no se da a.Estad´ ıstica con Guadalinex-Edu B FUNC. Si no se da b.. BETAINV usa 1. (E) AVERAGE(valor1. BERNUOLLI devuelve un error #NUM! ´ Si p <0 o p >1 BERNOULLI devuelve un error #NUM! BETADIST(x. ´ Si a >= b BETADIST devuelve el error #NUM!. BETADIST devuelve el error #NUM!. ´ Si alfa <= 0 ´ o beta <= 0. BETAINV devuelve el error #NUM!. Funciones Estad´ ısticas de Gnumeric36 AVEDEV(n1. a es el l´ ımite inferior opcional de x y b es el l´ ımite superior opcional de x. ´ Si x <a ´ o x >b.. EST.alfa.) AVERAGE calcula la media de todos los valores y celdas referenciadas en la lista de argumentos. (E) AVERAGEA(valor1. Note que las celdas vac´ ıas no son contadas. BETAINV(p. BETADIST devuelve el error #NUM!.a. CON GNUMERIC B...b]) La funci´ on BETADIST devuelve la distribuci´ on beta acumulada. n2. Si la celda contiene texto o la expresi´ on l´ ogica FALSO.valor2. BETAINV devuelve el error #NUM!. . ´ Si p <0 ´ o p >1.alfa. ´ Si k != 0 y k != 1. a es el l´ ımite inferior opcional de x y b es el l´ ımite superior opcional de x. ´ Si a >= b. valor2..) Calcula la media de los valores y celdas referenciados en la lista de argumentos. (E) RANDBERNOULLI(k. BETAINV usa 0.

´ Si a <0 CAUCHY devuelve un error #NUM!. se trunca. intentos es el n´ umero total de intentos independientes. BINODIST devuelve el error #NUM!.gdl) La funci´ on CHIDIST devuelve la probabilidad con una cola de la funci´ on chi cuadrado. Si tama˜ no es 0. desvstd es la desviaci´ on est´ andar de la poblaci´ on y tama˜ no corresponde al tama˜ no de la muestra. rango te´ rango que contiene los valores esperados de los puntos de datos.Estad´ ıstica con Guadalinex-Edu B FUNC. CONFIDENCE(x. EST. entonces se trunca. ´ Si gdl <1. Paco Villegas 73 . ´ Si tama˜ no <0.rango te´ orico) La funci´ on CHITEST devuelve las pruebas para la independencia de la distribuci´ on chi cuadrado. (E) Si tama˜ no no es un n´ umero entero. CAUCHY(x. x es el nivel de significancia. ´ Si p <0 ´ o p >1.cum) CAUCHY devuelve la distribuci´ on de Cauchy con par´ ametro de escala a. y acumulado describe si debe devolver la suma de las funciones binomiales de 0 a n.intentos. CHIDIST devuelve el error #NUM! CHIINV(p. BINOMIST devuelve el error #NUM!. CHIDIST(x. gdl es el n´ umero de grados de libertad. CONFIDENCE devuelve el error #NUM!. (E) ´ Si p <0 ´ o p >1 ´ o gdl <1. se truncan.tama˜ no) CONFIDENCE devuelve el intervalo de confianza de la media. p es la probabilidad de ´ exito en intentos.gdl) La funci´ on CHIINV devuelve la inversa de la probabilidad de una cola de la distribuci´ on chi cuadrado. CHIINV devuelve el error #NUM!.a.desvstd. Si cum != VERDADERO y cum != FALSO CAUCHY devuelve un error #VALOR!. n es el n´ umero de ´ exitos. CHITEST(rango actual. ´ Si n >intentos. CONFIDENCE devuelve el error #DIV/0!. CON GNUMERIC BINOMDIST(n. Si cum es VERDADERO. (E) Si gdl no es entero.p. (E) Si n ´ o intentos no son enteros. (E) orico es un rango actual es un rango que contiene los puntos de datos observados. CAUCHY devuelve la distribuci´ on acumulada.acumulado) La funci´ on BINOMDIST devuelve la distribuci´ on binomial. BINOMIST devuelve el error #NUM!. ´ Si n <0 ´ o intentos <0.

) DEVSQ devuelve la suma de los cuadrados de las desviaciones de un conjunto de datos de la media de su muestra.alfa) La funci´ on CRITBINOM devuelve el valor m´ as peque˜ no para el que el acumulado es mayor o igual que un valor dado. EST.y. (E) COVAR(array1. CRITBINOM devuelve un error #NUM!.) CRONBACH devuelve el alfa de Cronbach para los casos dados. n2. (E) COUNTA(valor1.Estad´ ıstica con Guadalinex-Edu B FUNC.array2) Devuelve el coeficiente de correlaci´ on de dos conjuntos de datos.ref2. ´ Si alfa <0 ´ o alfa >1. etc.. CRITBINOM devuelve el error #NUM!.array2) Devuelve la covarianza de dos conjuntos de datos. COUNT(valor1. CRITBINOM(intentos.acumulado) La funci´ on EXPONDIST devuelve la distribuci´ on exponencial (E). (E) Si intentos no es entero. valor2..a. (E) Las celdas vac´ ıas o con texto siempre son ignoradas. CRITBINOM devuelve el error #NUM!. ´ Si p <0 ´ o p >1. Paco Villegas 74 . ref2 el segundo conjunto de datos. n es el n´ umero de intentos. CON GNUMERIC CORREL(array1. . en otro caso. (E) Las cadenas y las celdas vac´ ıas simplemente se ignoran. Si el booleano acumulado es falso devuelve: y · e−y ·x . EXPONDIST(x..b) EXPPOWDIST devuelve la densidad de probabilidad p(x) en x para la distribuci´ on exponencial con el par´ ametro de escala a y exponente b. EXPPOWDIST(x.) Devuelve el n´ umero total de argumentos enteros o de coma flotante pasados. p es la probabilidad de ´ exito en intentos.. y alpha es el valor de criterio. se trunca... .. ´ Si intentos <0. devuelve 1 − e−y · x Si x <0 ´ o y <= 0 esto devolver´ a un error..p. valor2. (E) Las celdas vac´ ıas o con texto son ignoradas..) Calcula el n´ umero de argumentos pasados sin incluir celdas vac´ ıas. ref1 es un conjunto de datos. . CRONBACH(ref1. DEVSQ(n1..

gdl2) La funci´ on FDIST devuelve la distribuci´ on de probabilidad F. (E) ´ Si x <0. FISHER devuelve el error #NUM!. (E) array datos es un array de los datos de los que queremos contar las frecuencias. FISHERINV devuelve el error VALOR!. Si array intervalos est´ a vac´ ıo. FORECAST devuelve el error #N/D! . FORECAST devuelve el error #DIV/0 . seg´ un los valores existentes usando una regresi´ on linear simple. FTEST(array1. CON GNUMERIC FDIST(x. (E) Si x no es un n´ umero. FISHER(x) La funci´ on FISHER devuelve la transformaci´ on de Fisher en x. Los resultados se devuelven en un array. ´ Si gdl1 <1 ´ o gdl2 <1. FISHER devuelve el error #VALOR!. (E) Si x no es un n´ umero.gdl1. (E) Si x conocidos o y conocidos no contienen datos o contienen cantidades de datos diferentes. FDIST devuelve el error #NUM!. FDIST devuelve el error #NUM!. FINV(p.gdl1. ´ Si x <= -1 ´ o x >=1.gdl2) La funci´ on FINV devuelve la inversa de la distribuci´ on de probabilidad F. array intervalos es un array que contiene los intervalos en los que reagrupar los valores de array datos.Estad´ ıstica con Guadalinex-Edu B FUNC.array intervalos) La funci´ on FREQUENCY cuenta cuantas veces aparecen los valores dados en un rango de valores. ´ Si gdl1 <1 ´ o gdl2 <1. EST. (E) ´ Si p <0 ´ o p >1. FORECAST(x. FREQUENCY devuelve la cantidad de puntos de datos en array datos. FINV devuelve el error #NUM!.x conocidos) La funci´ on FORECAST estima un valor futuro. Si la varianza de x conocidos es cero.array2) La funci´ on FTEST devuelve la probabilidad de que las varianzas de los dos conjuntos de datos dados no se diferencien significativamente. (E) Paco Villegas 75 . FREQUENCY(array datos. FISHERINV(x) La funci´ on FISHERINV devuelve la inversa de la transformaci´ on de Fisher en x.y conocidos. FINV devuelve el error #NUM!. gdl1 son los grados de libertad del numerador y gdl2 son los grados de libertad del denominador. El valor futuro estimado es el valor de y para un valor de x dado (x).

.beta) La funci´ on GAMMAINV devuelve la inversa de la distribuci´ on gama acumulada. ´ Si x <= 0. Si const es FALSO. CON GNUMERIC GAMMADIST(x. GAMMADIST devuelve el error #NUM!.) Devuelve la media geom´ etrica de los argumentos. la ra´ ız n-´ esima del producto de los t´ erminos. se forzar´ a a que la l´ ınea pase por el origen. GAMMADIST devuelve la funci´ on gamma incompleta..const]) La funci´ on GROWTH aplica el m´ etodo de los m´ ınimos cuadrados para que se ajuste una curva exponencial a sus datos y prediga el crecimiento exponencial usando esta curva. (E) Si x no es un n´ umero. GAMMAINV devuelve el error #NUM!. se asume que es el mismo que x conocido. entonces GAMMALN devuelve el error #VALOR!.x conocido.cum) GEOMDIST devuelve la probabilidad p(k) de obtener k de una distribuci´ on geom´ etrica con par´ ametro de probabilidad p. valor2. Si se omite x nuevo. por ejemplo.beta. EST.Estad´ ıstica con Guadalinex-Edu B FUNC. Si acum es VERDADERO.. 3.p. se usa un array {1. 2. es decir. GROWTH devuelve un array que tiene una columna y una fila por cada punto de datos de nuevo x. GEOMDIST(k. Por omisi´ on es VERDADERO. Paco Villegas 76 . Si y conocido y x conocido tienen distinto n´ umero de puntos de datos. GAMMALN(x) La funci´ on GAMMALN devuelve el logaritmo natural de la funci´ on gamma. GROWTH devuelve ´ el error #NUM!. entonces GAMMALN devuelve el error #NUM!. (E) ´ Si x <0. GAMMAINV devuelve el error #NUM!. ´ Si alfa <= 0 ´ o beta <= 0. GAMMADIST devuelve el error #NUM! GAMMAINV(p. ´ Si k <0 GEOMDIST devuelve un error #NUM! ´ Si p <0 o p >1 GEOMDIST devuelve un error #NUM! ´ Si cum != VERDADERO y cum != FALSO GEOMDIST devuelve #NUM! GEOMEAN(valor1..alfa.}.x nuevo. (E) ´ Si p <0 ´ o p >1. devuelve la funci´ on de probabilidad de masa. . b ser´ ıa cero..acum) La funci´ on GAMMADIST devuelve la distribuci´ on gamma. ´ Si alfa <= 0 ´ o beta <= 0. (E) GROWTH(y conocido[. Si se omite x conocido.alfa. En otro caso.

(E) Si x conocidos o y conocidos no contienen datos o contienen diferente n´ umero de entrada de datos. x es el n´ umero de ´ exitos en la muestra.n2. se truncan... devuelve el error #NUM!.) HARMEAN devuelve la media arm´ onica de los N puntos de datos (esto es. M ´ o N <0.) KURTP devuelve la poblaci´ on kurtosis de un conjunto de datos.Estad´ ıstica con Guadalinex-Edu B FUNC. KURTP(n1.. KURT devuelve el error #DIV/0!. LANDAU(x) LANDAU devuelve la densidad de probabilidad p(x) en x para la distribuci´ on de Landau usando un m´ etodo de aproximaci´ on. HYPGEOMDIST devuelve el error #NUM!..M. LARGE(n1..a) LAPLACE devuelve la densidad de probabilidad p(x) en x para la distribuci´ on de Laplace con media a. Paco Villegas 77 . n es el n´ umero de intentos.x conocidos) La funci´ on INTERCEPT calcula el punto en el cual la regresi´ on lineal corta el eje y. KURTP devuelve el error #DIV/0!. Si se dan menos de cuatro n´ umeros o todos son iguales. n. (E) Si x.N) La funci´ on HYPGEOMDIST devuelve la distribuci´ on hipergeom´ etrica. n. N dividido por la suma de las inversas de los puntos de datos). KURT(n1.n. INTERCEP devuelve el error #DIV/0. EST... simplemente se ignoran. ´ Si k <= 0 o k es mayor que el n´ umero de t´ erminos. La kurtosis se desplaza por tres as´ ı que una distribuci´ on normal tendr´ a kurtosis cero. n2..k) Devuelve el k-´ esimo mayor valor en un conjunto de datos. CON GNUMERIC HARMEAN(b1. Si se dan menos de dos n´ umeros o todos son iguales. M ´ o N no son enteros. ´ Si x >M ´ o n >N. b2.. M es el n´ umero de ´ exitos en total y N es el tama˜ no de la poblaci´ on. (E) Note que esto s´ olo tiene significado pleno si la distribuci´ on subyacente tiene realmente un cuarto momento. INTERCEPT(y conocidos. n2. Si la varianza de x conocidos es cero. . ´ Si x. (E) ´ Si el conjunto de datos est´ a vac´ ıo.) KURT devuelve una estimaci´ on imparcial de la kurtosis de un conjunto de datos. LARGE devuelve el error #NUM!. Las cadenas y las celdas vac´ ıas simplemente se ignoran. . INTERCEPT devuelve el error #N/D!. HYPGEOMDIST devuelve el error #NUM!. (E) HYPGEOMDIST(x.. Las cadenas y las celdas vac´ ıas. LAPLACE(x. .

estad]]]) La funci´ on LINEST calcula la l´ ınea de m´ ınimos cuadrados que mejor se ajuste a sus datos de y conocido. por ejemplo. . se forzar´ a que la l´ ınea pase por el origen. De forma predeterminada.x conocido. LOGEST(y conocido[. La pendiente (m) de la l´ ınea de regresi´ on y=mx+b se da en la primera columna y la y intercepta a (b) en la segunda. se usa un array {1. De forma predeterminada.const. o sea. La tercera fila contiene el valor observado F y los grados de libertad. . Por omisi´ on es VERDADERO..Estad´ ıstica con Guadalinex-Edu B FUNC. El valor predeterminado de estad es FALSO. (m2.. 2.c)) . 3. mn−1 .). .estad]) La funci´ on LOGEST aplica el m´ etodo de m´ ınimos cuadrados para ajustar una curva exponencial de la forma: x2 1 y = b · mx 1 · m2 . EST. . La informaci´ on estad´ ıstica adicional se escribe bajo los coeficientes de regresi´ on lineal en el array de resultados. LINEST devuelve un array con dos columnas y una fila. estad es FALSO. Si alguna y conocida y x conocida tienen distinto n´ umero de puntos de datos.. la l´ ınea ser´ a forzada a ir a trav´ es de (0.}.}. se devolver´ a informaci´ on estad´ ıstica extra. 3. En la primera l´ ınea se representan los valores de error est´ andar para los coeficientes m1 . LOGEST ´ devuelve el error #NUM! Si const es FALSO. (m2 . La segunda fila contiene el cuadrado de R y el error est´ andar para la estimaci´ on de y. LOGEST devuelve un array { mn . La informaci´ on estad´ ıstica adicional consiste en cuatro l´ ıneas de datos.. En la primera fila se representan los valores est´ andar de error para los coeficientes m1. b }. LOGFIT(known y’s. .1). La u ´ltima fila contiene la suma de regresi´ on de los cuadrados y la suma residual de los cuadrados. Si se omite x conocido.. La tercera l´ ınea el valor observado por F y los grados de libertad. m1 .). 2. a sus datos.known x’s) La funci´ on LOGFIT aplica el m´ etodo de m´ ınimos cuadrados para ajustar la ecuaci´ on logar´ ıtmica y = a + b * ln(sign * (x . se devuelve informaci´ on estad´ ıstica adicional. La gr´ afica de la ecuaci´ on es una curva logar´ ıtmica desplazada horizontalmente por c y posiblemente reflejada a trav´ es del eje y (si sign = -1). Paco Villegas 78 . . La informaci´ on estad´ ıstica extra consiste en cuatro filas de datos. . CON GNUMERIC LINEST(y conocido[..x conocido[.. Si const es FALSO. se usa un array {1.. x conocido contiene las x correspondientes donde y=mx+b. Si estad es VERDADERO. b. La u ´ltima fila contiene la suma de los cuadrados de la regresi´ on y la suma de los cuadrados residual. sign = +1 o -1 a sus datos.. Si y conocida se omite.. LINEST devuelve un ´ error #NUM!. b ser´ a cero.const[.. b. Debajo de la los coeficientes de la l´ ınea de regresi´ on se escribe informaci´ on estad´ ıstica extra en el array resultado. es VERDADERO. La segunda fila contiene el cuadrado de R y el error est´ andar para la y estimada. Si y conocido y x conocido tienen distinto n´ umero de puntos de datos. Si estad es VERDADERO. b ser´ a uno.

Quiz´ a haya casos en los que el ajuste devuelto no sea el mejor posible. LOGINV devuelve el error #NUM!. LOGNORMDIST devuelve el error #NUM!. LOGREG(y conocido[. EST. media es la media aritm´ etica de la distribuci´ on y desvest es la desviaci´ on est´ andar de la distribuci´ on.. De forma predeterminada.desvest) La funci´ on LOGNORMDIST devuelve la distribuci´ on lognormal. p es la probabilidad dada correspondiente a la distribuci´ on normal. b ser´ ıa cero.. La precisi´ on de c es: el ancho de x-rango ->redondeado al siguiente m´ as peque˜ no (10ˆenteros). es VERDADERO. LOGREG devuelve ´ el error #NUM!. o cuando la forma de la nube de puntos es demasiado diferente de una forma logar´ ıtmica.1].Estad´ ıstica con Guadalinex-Edu B FUNC.desvest) La funci´ on LOGINV devuelve la inversa de la distribuci´ on acumulativa lognormal.x conocido[.000001 veces.. LOGNORMDIST devuelve el error #DIV/0!. (E) Si desvest = 0.media. y ‘c’ se dan el las columnas 2 a 4. por ejemplo. los valores de error est´ andar para los coeficientes m. En la primera fila.c)) o reordenarla a = (exp((y . se usa un array {1. significado <0 ´ o desvest <0. . Puede usar la f´ ormula = a + b * ln(sign * (x .estad]]]) La funci´ on LOGREG transforma las x’s a n = ln(x) y aplica el m´ etodo de los m´ ınimos cuadrados para ajustar a la ecuaci´ on lineal y = m · z+b a sus y’s y z’s —equivalente a ajustar la ecuaci´ on y = m · ln(x) + b a las y’s y a las x’s Si se omite x conocido.a) / b)) / sign + c para calcular y’s o x’s desconocidas respectivamente. m se da en la primera columna y b en la segunda. son representados La segunda fila contiene el cuadrado de R y el error est´ andar para Paco Villegas 79 .. T´ ecnicamente. 0. LOGISTIC(x. la curva se forzar´ a para que pase por [0. x es el valor para el que quiere la distribuci´ on.const[. 2. ‘b’. La columna 5 contiene la suma de los residuos al cuadrado. esto es un ajuste no linear mediante prueba y error. LOGREG devuelve un array conteniendo dos columnas y una fila. ‘a’. media es la media de la distribuci´ on y desvest es la desviaci´ on est´ andar de la distribuci´ on. se devolver´ a informaci´ on estad´ ıstica extra. Si const es FALSO. LOGINV(p.media. ‘Signo’ se da en la primera columna. La informaci´ on estad´ ıstica extra consiste en cuatro filas de datos. (E) ´ Si p <0 ´ o p >1 ´ o desvest <= 0. CON GNUMERIC LOGFIT devuelve un array conteniendo cinco columnas y una fila. b.a) LOGISTIC devuelve la densidad de probabilidad p(x) en x para una distribuci´ on log´ ıstica con par´ ametro de escala a LOGNORMDIST(x. Se devuelve un error cuando hay menos de 3 x’s o y’s diferentes. 3.}. Si estad es VERDADERO. La informaci´ on estad´ ıstica extra se aplica al estado ANTES de la transformaci´ on a z. Si y conocido y x conocido tienen distintos n´ umeros de puntos de datos. ´ Si x <= 0.

NEGBINOMDIST(f.. NEGBINOMDIST devuelve el error #NUM!. MEDIAN devuelve el media de los dos n´ umeros del medio. El valor predeterminado de estad es FALSO.n´ umero2.. Si la celda contiene texto o el argumento se eval´ ua a FALSO. Si el argumento se eval´ ua a VERDADERO. ´ Si p <0 ´ o p >1. Note que las celdas vac´ ıas no se cuentan.. (E) MEDIAN(n1.. Los valores negativos se consideran menores que los n´ umeros positivos. Tambi´ en se incluyen en el c´ alculo n´ umeros. Si el conjunto de datos no contiene ning´ un duplicado. Los valores negativos se consideran menores a los positivos. t es el n´ umero umbral de ´ exitos y p es la probabilidad de ´ exito.) Devuelve la mediana del conjunto de datos. MAX(b1.) Devuelve el valor del elemento pasado en argumento cuyo valor es menor a todos los dem´ as.) Devuelve el valor del elemento de los valores pasados que es mayor a todos los dem´ as.. Si la celda contiene texto o el argumento se eval´ ua a FALSO.) MODE devuelve el n´ umero m´ as com´ un del conjunto de datos. Si el argumento se eval´ ua a VERDADERO...t. Tambi´ en se incluyen en el c´ alculo n´ umeros. EST... NEGBINOMDIST devuelve el error #NUM!. (E) Las cadenas y celdas vac´ ıas son ignoradas. CON GNUMERIC el y estimado. Si el n´ umero de datos es par. (E) MINA(n´ umero1. La tercera fila contiene el valor observado de F y los grados de libertad. ´ Si (f + t -1) <= 0.p) La funci´ on NEGBINOMDIST devuelve la distribuci´ on binomial negativa. . MODE devuelve el primero de ellos.n´ umero2. se cuenta como uno (1).) MINA devuelve el menor valor de los argumentos dados. Paco Villegas 80 . texto y valores l´ ogicos.. La u ´ltima fila contiene la suma de regresi´ on de los cuadrados y la suma residual de los cuadrados. se cuenta como valor cero (0). Note que las celdas vac´ ıas no se cuentan. se cuenta como uno (1).Estad´ ıstica con Guadalinex-Edu B FUNC.. f es el n´ umero de fallos. se truncan..b2.. MODE devuelve el error #N/D. (E) MAXA(n´ umero1.b2..n2.. n2. simplemente se ignoran. texto y valores l´ ogicos.) MAXA devuelve el mayor valor de los argumentos dados. (E) Las cadenas y las celdas vac´ ıas. (E) Si f ´ o t no son enteros. MIN(b1. (E) MODE(n1. Si el conjunto de datos tiene muchos n´ umeros comunes. se cuenta como valor cero (0)...

(E) ´ Si p <0 ´ o p >1. NORMSDIST(x) La funci´ on NORMSDIST devuelve la distribuci´ on normal est´ andar acumulativa. (E) ´ Si p <0 ´ o p >1 ´ o desvest <= 0. PERCENTRANK usa tres d´ ıgitos. PERCENTILE(array.media. array es el rango de valores num´ ericos. (E) ´ Si array est´ a vac´ ıo. NORMSINV devuelve el error #NUM!. x es el punto de datos que quiere clasificar. PERCENTILE devuelve el error #NUM!. x es el valor para el que se va a obtener la distribuci´ on.).array2) Devuelve el coeficiente de correlaci´ on de Pearson para dos conjuntos de datos.desvest. PERCENTRANK devuelve el error #NUM!. Si se omite significatividad. y la significatividad opcional identifica el n´ umero de d´ ıgitos con significatividad para el valor devuelto. desvest es la desviaci´ on est´ andar. (E) Se ignoran las cadenas de texto y las celdas vac´ ıas. media es la media aritm´ etica de la distribuci´ on y desvest es la desviaci´ on est´ andar de la distribuci´ on.Estad´ ıstica con Guadalinex-Edu B FUNC. PARETO(x. NORMDIST devuelve el error #DIV/0!.media. p es la probabilidad dada correspondiente a la distribuci´ on normal. media es la media de la distribuci´ on.k) La funci´ on PERCENTILE devuelve el 100*k-´ esimo percentil de los puntos de datos dados (esto es.b) PARETO devuelve la densidad de probabilidad p(x) en x para una distribuci´ on Pareto con exponente a y escala b. PERCENTRANK(array.desvest) La funci´ on NORMINV devuelve la inversa de la distribuci´ on normal acumulada. ´ Si significatividad <1. (E) NORMSINV(p) La funci´ on NORMSINV devuelve el inverso de la distribuci´ on acumulativa normal est´ andar. ´ Si array no contiene puntos. NORMINV devuelve el error #NUM!. un n´ umero x tal que una fracci´ on k de los puntos de datos es menor que x.x[. NORMINV(p. Paco Villegas 81 . EST.significatividad]) La funci´ on PERCENTRANK devuelve el rango de un punto de datos en un conjunto de datos.a.acumulado) La funci´ on NORMDIST devuelve la distribuci´ on normal acumulada. PERCENTRANK devuelve el error #NUM!. ´ Si k <0 o k >1. (E) Si desvest es 0. truncando lo restante. PEARSON(array1. x es el valor para el que se va a obtener la distribuci´ on. CON GNUMERIC NORMDIST(x. p es la probabilidad dada correspondiente a la distribuci´ on normal. PERCENTILE devuelve el error #NUM!.

QUARTILE devuelve el error #NUM!. x es la cantidad de eventos. ´ Si array est´ a vac´ ıo. PERMUT(n.media. PERMUT devuelve el error #NUM!.k) La funci´ on PERMUT devuelve el n´ umero de permutaciones. 3 el tercer cuartil. media es el valor num´ erico esperado. EST. PERMUT devuelve el error #NUM!.acumulativo) Devuelve la distribuci´ on de Poisson. ´ Si cualquier valor de rango prob es <= 0 ´ o >1. PROB devuelve el error #NUM!.cuart) La funci´ on QUARTILE devuelve el cuartil de los puntos de datos dados. ´ Si x <= 0 POISSON devuelve el error #NUM! ´ Si media <= 0 POISSON devuelve el error #NUM! PROB(rango x. (E) ´ Si n = 0. PROB devuelve el error #N/D. n es el n´ umero de objetos. PERCENTRANK ´ devuelve el error #NUM!.rango prob. (E) rango x sean iguales a l´ Si la suma de las probabilidades de rango prob no es igual a 1. acumulativo describe si se debe devolver la suma de la funci´ on de Poisson de 0 a x. Paco Villegas 82 . QUARTILE devuelve el error #NUM!. 1 el primer cuartil. ´ Si n <k. 4 el valor m´ as grande del array. k es el n´ umero de objetos en cada permutaci´ on. 2 el segundo cuartil. PROB devuelve la probabilidad de que los valores de ımite inf.Estad´ ıstica con Guadalinex-Edu B FUNC. Si cuart no es un entero. (E) Si x no es un entero ser´ a truncado. se trunca. PROB devuelve el error ´ #NUM!. Si rango x y rango prob contienen un n´ umero diferente de entradas de datos. POISSON(x. ´ Si cuart <0 ´ o quart >4.l´ ımite sup]) La funci´ on PROB devuelve la probabilidad de que los valores de un rango o un array est´ en entre dos l´ ımites. Si l´ ımite sup no se da. CON GNUMERIC Si x supera el valor m´ as grande o es menor que el m´ as peque˜ no del array.l´ ımite inf[. Si x no coincide con ninguno de los valores de array ´ o x coincide con m´ as de uno. PERCENTRANK interpola el valor devuelto. (E) Si cuart es igual a: QUARTILE devuelve: 0 el valor m´ as peque˜ no del array. QUARTILE(array.

ref es la lista de n´ umeros y orden especifica c´ omo clasificar los n´ umeros.. Si se dan menos de tres n´ umeros. SKEW(n1. . Si se dan menos de dos n´ umeros.. EST. SMALL devuelve el error #NUM!. entonces devuelve el error #NUM!. En otro caso. RAYLEIGHTAIL(x.. Paco Villegas 83 . normal) es cero.Estad´ ıstica con Guadalinex-Edu B FUNC. (E) RAYLEIGH(x.a. x es el n´ umero cuya clasificaci´ on quiere encontrar. . (E) Note que esto s´ olo tiene significado si la distribuci´ on subyacente realmente tiene un tercer momento.sigma) RAYLEIGH devuelve la densidad de probabilidad p(x) en x para una distribuci´ on de Rayleigh con par´ ametro de escala sigma.) SKEWP devuelve la desviaci´ on de la poblaci´ on de un conjunto de datos.. (E) ´ Si el conjunto de datos est´ a vac´ ıo. (E) SMALL(n1. CON GNUMERIC RANK(x.. La desviaci´ on de una distribuci´ on sim´ etrica (ej.n2.) SKEW devuelve una estimaci´ on de la desviaci´ on de una distribuci´ on. (E) Las cadenas y las celdas vac´ ıas simplemente se ignoran..x conocidos) Devuelve la pendiente de la l´ ınea de regresi´ on linear. los n´ umeros se clasifican en orden descendente. SKEW devuelve un error #DIV/0! SKEWP(n1. Las cadenas y las celdas vac´ ıas se ignoran.. SKEWP devuelve un error #DIV/0! SLOPE(y conocidos. Las cadenas y las celdas vac´ ıas se ignoran. n2.array2) RSQ devuelve el cuadrado del coeficiente de correlaci´ on de Pearson de dos conjuntos de datos.orden]) RANK devuelve la clasificaci´ on de un n´ umero en una lista de n´ umeros. Si orden es 0.k) Devuelve el k-´ esimo menor valor en un conjunto de datos..sigma) RAYLEIGHTAIL devuelve la densidad de probabilidad p(x) en x para una distribuci´ on en cola Rayleigh con par´ ametro de escala sigma y l´ ımite inferior a. ´ Si k <= 0 o k es mayor que el n´ umero de t´ erminos. RSQ(array1.ref[. n2. se clasifican en orden ascendente..

se cuenta como uno (1).ref1. ´ Si intervalo <= 0. Si la celda contiene texto o el argumento se eval´ ua a FALSO.) La funci´ on SUBTOTAL devuelve el subtotal de la lista de argumentos. ssmedian no comprueba si los puntos de datos son al menos un intervalo a parte. ´ Si array est´ a vac´ ıo. . Tambi´ en se incluyen en el c´ alculo n´ umeros. b2.. desvest es la desviaci´ on est´ andar de la distribuci´ on.. (E) STEYX(y conocido. (E) STDEVPA(n´ umero1. b2.ref2. STANDARDIZE devuelve el error #DIV/0!. (E) Las siguientes funciones est´ an disponibles: Paco Villegas 84 . Note que las celdas vac´ ıas no se cuentan. texto y valores l´ ogicos. media es la media de la distribuci´ on.Estad´ ıstica con Guadalinex-Edu B FUNC. Si no se da intervalo. texto y valores l´ ogicos. STEYX devuelve el error #N/D.. SSMEDIAN devuelve el error #NUM!. STDEV(b1. Los puntos de datos dados en array se asume que son el resultado de la agrupaci´ on de datos en intervalos de longitud intervalo. x es el n´ umero a ser normalizado. Tambi´ en se incluyen en el c´ alculo n´ umeros.) STDEVP devuelve la desviaci´ on est´ andar de un conjunto de n´ umeros tratando esos n´ umeros como miembros de una poblaci´ on completa. STANDARDIZE(x. SUMIF(funci´ on num..intervalo])) La funci´ on SSMEDIAN devuelve la media para datos agrupados como los que se determinan com´ unmente en las ciencias sociales.n´ umero2. (E) STDEVP(b1.desvest) La funci´ on STANDARDIZE devuelve un valor normalizado.. SSMEDIAN usa 1..media.x conocido) La funci´ on STEYX devuelve el error est´ andar de los valores de y previstos por cada x en la regresi´ on. (E) STDEVA(n´ umero1.) STDEV calcula la desviaci´ on est´ andar de un conjunto de n´ umeros tratando estos n´ umeros como miembros de una poblaci´ on. Note que las celdas vac´ ıas no se cuentan. (E) Si desvest es 0. se cuenta como valor cero (0). EST. Si el argumento se eval´ ua a VERDADERO...) STDEVA devuelve la desviaci´ on est´ andar basada en una muestra. funci´ on num es el n´ umero que especifica la funci´ on a usar para calcular el subtotal. SSMEDIAN devuelve el error #NUM!...n´ umero2. se cuenta como uno (1). Si la celda contiene texto o el argumento se eval´ ua a FALSO.) STDEVPA devuelve la desviaci´ on est´ andar basada en una la poblaci´ on entera. CON GNUMERIC SSMEDIAN(array[.. . (E) Si y conocido y x conocido est´ an vac´ ıos o tienen diferente n´ umero de argumentos... Si el argumento se eval´ ua a VERDADERO. se cuenta como valor cero (0).

3.. VAR 11. Si y conocido y x conocido tienen distinto n´ umero de puntos de datos.Estad´ ıstica con Guadalinex-Edu B FUNC. Test de paridad 2. Si se omite x conocido.fracci´ on) TRIMMEAN devuelve la media del interior de un conjunto de datos. STDEVP 9. (E) array1 es el primer conjunto de datos y array2 es el segundo conjunto de datos.2 y el conjunto de datos contiene 40 n´ umeros.x nuevo[. (E) ´ Si gdl <1. EST. Varianza de desigualdad de dos muestras Paco Villegas 85 10. TRIMMEAN(ref.colas. se usa un array {1. 4 de arriba y 4 de abajo del conjunto. VARP . Si colas es uno. ´ Si colas no es ni 1 ni 2.array2. TINV devuelve el error #NUM!. PRODUCT TDIST(x. STDEV 8. Vcrianza de igualdad de dos muestras 3. . x nuevo contiene los valores de x para los que quiere estimar los valores de y. AVERAGE 2. TREND(y conocido[.const]]]) La funci´ on TREND estima los valores futuros de un conjunto de datos dado usando la l´ ınea de m´ ınimos cuadrados que mejor se ajuste a sus datos.}. y conocido son los valores de y donde y=mx+b. tipo determina la clase de la prueba: 1. MAX 5. (E) TTEST(array1. 2.. COUNT 3.gol. TINV(p. se asume que es el mismo que x conocido. ref es la lista de los n´ umeros cuya media se quiere calcular y fracci´ on es la fracci´ on del conjunto de datos excluido de la media. Si se omite x nuevo. CON GNUMERIC 1. TTEST usa la dissVaribuci´ on de una cola y si colas es dos.tipo) La funci´ on TTEST devuelve la probabilidad de una prueba t de Student.gdl) La funci´ on TINV devuelve la inversa de la distribuci´ on t de Student de dos colas. SUM 4. gdl es el grado de libertad y colas es 1´ o 2 dependiendo de si quiere una distribuci´ on de 1 ´ o 2 colas. TTEST usa la distribuci´ on de dos colas. Por ejemplo.x conocido[. TREND devuelve el ´ error #NUM!. si fracci´ on=0. y x conocido contiene los valores correspondientes de x. TDIST devuelve el error #NUM!. (E) ´ Si p <0 ´ o p >1 ´ o gdl <1. TDIST devuelve el error #NUM!. MIN 6.2). COUNTA 7. se recortan 8 n´ umeros del conjunto de datos (40 x 0.colas) La funci´ on TDIST devuelve la distribuci´ on t de Student.

TTEST devuelve el error #NUM!.. (E) Si el booleano acumulado es cierto. Si el argumento se eval´ ua a VERDADERO. En condiciones razonables.. use VARP. VARPA(n´ umero1. b2. TTEST devuelve el error #N/A. Para obtener la varianza real de una poblaci´ on completa... ZTEST devuelve el error #DIV/0!.n´ umero2.) VARA devuelve la varianza basada en una muestra. texto y valores l´ ogicos. devolver´ a: 1 − e−( β ) x α en otro caso. (E) ref es el conjunto de datos y x es el valor a ser probado. texto y valores l´ ogicos.. (E) VARP(b1..) VAR estima la varianza de una muestra de poblaci´ on. b2. es el estimador de bondad m´ aximo de la verdadera varianza. devolver´ a x α · x · (α − 1) · e− βα βα ´ Si x <0.acumulado) La funci´ on WEIBULL devuelve la distribuci´ on Weibull. se cuenta como valor cero (0). cada n´ umero es el miembro de una poblaci´ on y el conjunto es la poblaci´ on entera.) VARP calcula la varianza de un conjunto de n´ umeros. TTEST devuelve el error #NUM!. Si la celda contiene texto o el argumento se eval´ ua a FALSO. ZTEST(ref. Si el argumento se eval´ ua a VERDADERO. Paco Villegas 86 . ´ Si tipo es distinto de uno. ´ Si colas no es ni uno ni dos. VARP tambi´ en se conoce como N-varianza.beta.. se cuenta como valor cero (0). EST. Si ref contiene menos de dos elementos de datos. Si la celda contiene texto o el argumento se eval´ ua a FALSO. WEIBULL devuelve el error #NUM!.) VARPA devuelve la varianza basada en la poblaci´ on entera. CON GNUMERIC Si los conjuntos de datos contienen un n´ umero diferente de puntos de datos y la prueba es de paridad (tipo uno). Tambi´ en se incluyen en el c´ alculo n´ umeros. se cuenta como uno (1). WEIBULL devuelve el error #NUM!. VARA(n´ umero1. dos o tres. se cuenta como uno (1). Note que las celdas vac´ ıas no se cuentan.Estad´ ıstica con Guadalinex-Edu B FUNC.x) ZTEST devuelve la probabilidad de dos colas de una prueba Z. (E) VAR tambi´ en se conoce como varianza-N-1. ...alfa. VAR(b1.. .n´ umero2. Tambi´ en se incluyen en el c´ alculo n´ umeros. ´ Si alfa <= 0 ´ o beta <= 0. (E) WEIBULL(x. Note que las celdas vac´ ıas no se cuentan.

INV DISTR.INV DISTR.DE.. AutoPiloto de funciones .PERCENTIL VAR VARA VARP VARPA C´ omo acceder a esta funci´ on.LOG.GAMMA DISTR.T.NORM.INV DISTR.HIPERGEOM DISTR.ACOTADA MEDIA.FISHER.Z RANGO.NORM.JI.ASIMETRIA COEFICIENTE.Estad´ ıstica con Guadalinex-Edu C FUNC.LOG JERARQU´ IA K.ESIMO. EST.T´ IPICO. CON CALC C.INV DISTR.F.BINOM DISTR.CONFIANZA INV.EJE INTERVALO.JI PRUEBA.GAMMA.Categor´ ıa Estad´ ıstica Algunos de los ejemplos emplean la siguiente tabla de datos: 37 Tomado de la ayuda de Calc Paco Villegas 87 .BETA.MAYOR K.INV DIST.EXP DISTR.ESTAND.WEIBULL ERROR.R2 CONTAR.ARMO MEDIA.NORM DISTR.CORREL COEFICIENTE.ESTAND DISTR.T PRUEBA.LN GAUSS ´ INTERSECCION. CONTARA COVAR CUARTIL CURTOSIS DESVEST DESVESTA DESVESTP DESVESTPA DESVIA2 DESVPROM DISTR.F PRUEBA.INV PRUEBA.CRIT COEF.INV DISTR.ESIMO.NORM DISTR.NORM.BETA BINOM.GEOM MEDIANA M´ IN M´ INA MODA NEGBINOMDIST NORMALIZACI\’{O}N PEARSON PENDIENTE PERCENTIL PERMUTACIONES PERMUTACIONESA PHI POISSON PROBABILIDAD PROMEDIO PROMEDIOA ´ PRONOSTICO PRUEBA.. Se trata de las siguientes funciones: BDISTR.JI DISTR.XY FISHER GAMMA.MENOR ´ MAX ´ MAXA MEDIA.T DISTR.F DISTR.INV PRUEBA. Funciones Estad´ ısticas de Calc37 Aparecen las funciones disponibles en la categor´ ıa Estad´ ıstica junto con un ejemplo.

PEARSON.) valor 1. valor 2. Vea tambi´ en las siguientes funciones: PROMEDIO.6 y ocho del cuadro de texto valor 1-4. primera parte ´ INTERSECCION.Estad´ ıstica con Guadalinex-Edu C FUNC. CON CALC 2 3 4 5 6 7 8 9 C Valor x -5 -2 -1 0 2 4 6 D Valor y -3 0 1 3 4 6 8 Las funciones estad´ ısticas se describen en las subsecciones siguientes.. Se deben utilizar nombres..LOGAR ITMICA.LINEAL .. La entrada queda como sigue: Intersecci´ on. La cantidad de entradas es 3. BDCONTAR. BDCONTARA. Sintaxis CONTARA(valor 1. CONTARA.. valor 2. Ejemplo Se deben contar las entradas 2. Vea tambi´ en las siguientes funciones: ´ ´ COEFICIENTE.ocho) = 3. CRECIMIENTO.. Funciones estad´ ısticas.. Al definirse la cantidad no se tienen en cuenta las entradas de texto.. Ejemplo Para calcular el eje de intersecci´ on se utilizan como valor Y las celdas D3:D9 y como valor X. matrices o referencias que contengan n´ umeros. Datos X) Datos Y es el grupo de las lecturas o datos subordinados. ES´ ´ TIMACION. EST.C3:C9) = 2.XY. SUMA CONTARA Calcula la cantidad de n´ umeros que contiene una lista de argumentos.. PENDIENTE.T´ IPICO.) valor 1.4. ´ Sintaxis INTERSECCION. ESTIMACION. Tambi´ en se pueden escribir n´ umeros directamente. las celdas C3:C9 de la hoja de ejemplo. . Valor 2. Paco Villegas 88 .. TENDENCIA. PRONOSTICO .15. El resultado es entonces 2. . Sintaxis CONTAR(valor 1. Valor 2.R2.eje(D3:D9. Los valores individuales se a˜ naden.6. ERROR. Los argumentos vac´ ıos no se tienen en cuenta. son valores a partir de los cuales se calcula la cantidad de argumentos.15. Al definirse la cantidad se tienen en cuenta las entradas de texto..EJE En este campo se puede definir el punto de corte de la l´ ınea de regresi´ on con el eje Y.4. CONTAR(2. son valores a partir de los cuales se calcula la cantidad de argumentos. CONTAR Se puede calcular la cantidad de n´ umeros que contiene la lista de argumentos. Los valores individuales se a˜ naden.EJE(Datos Y. Datos X es el grupo de las lecturas o datos subordinados.

EST. CON CALC Ejemplo Se cuentan las entradas 2. Sintaxis COEFICIENTE.CORREL.6 y ocho del cuadro de texto valor1-4.Estad´ ıstica con Guadalinex-Edu C FUNC.6. SUMA B Se calcula la probabilidad de los resultados de prueba con distribuciones por binomios.LOGAR ITMICA. COVAR. fin) Probabilidad es el valor con el cual se debe calcular la funci´ on a trav´ es del intervalo comienzo hasta el fin.INV Proporciona los valores de una variable aleatoria con distribuciones beta invertidas. alfa. Paco Villegas 89 . PENDIENTE.LINEAL . La cantidad de entradas es 4.ocho) = 4. Ejemplo ¿Cu´ al debe ser la probabilidad si al tirar un dado 10 veces sale dos veces el seis? La probabilidad para un seis (o para cualquier otro n´ umero) es 1/6. Vea tambi´ en las siguientes funciones: ´ ´ COEF. PRODUCTO. Ejemplo =COEFICIENTE. Alfa es un par´ ametro de distribuci´ on. beta.BETA. comienzo. Vea tambi´ en las siguientes funciones: CONTAR.EJE . Sintaxis DISTR. Sintaxis B(ensayos. ESTIMACION. luego el resultado es la siguiente f´ ormula: =B(10.R2(Datos Y. y tambi´ en se conoce como Coeficiente de determinaci´ on.T´ IPICO. Punto de datos de una matriz o ´ area. DBCONTAR. Vea tambi´ en las siguientes funciones: DISTR. Fin (opcional) es el l´ ımite superior de n´ umero.BETA.INV(probabilidad. El coeficiente R2 es una medida para obtener un buen ajuste. que puede obtener una regresi´ on. 1/6. Comienzo (opcional) es el l´ ımite inferior de n´ umero.DE. prob ´ exito.R2 Para definir el cuadrado del coeficiente de correlaci´ on de Pearson. l´ ımite inf. 2) el resultado es un 29 % de probabilidad.4.XY. ESTI´ ´ MACION. prob ´ ımite inferior de la cantidad de intentos. INTERSECCION. Punto de datos de una matriz o ´ area. DISTR. Contara(2. Beta es un par´ ametro de distribuci´ on. l´ ımite inf define el l´ S2 (opcional) define el l´ ımite superior de la cantidad de intentos. exito determina la probabilidad individual del resultado del intento. l´ ımite sup) ensayos define la cantidad de intentos. Datos X. PROMEDIO.BINOM COEFICIENTE. DBCONTARA. PEARSON. B1:B20) calcula el coeficiente de determinaci´ on para los dos registros de datos de las columnas A y B.4. TENDENCIA. hay que introducir los valores correspondientes en el cuadro de texto. Datos X) Datos Y. ERROR.R2(A1:A20.

BINOM(X. para el intervalo de probabilidad de error.BINOM Calcula el intervalo de probabilidad a partir de una variable aleatoria con distribuci´ on binomial. Ejemplo =DISTR. 0) muestra los intervalos de probabilidad cuando se introducen para A1 valores comprendidos entre el 0 y el 12.CRIT. 1) muestra los intervalos de probabilidad acumulados para la misma serie. BINOM.INV DISTR. 0. acumulado = 1 la probabilidad acumulada.BETA(0. beta. CON CALC Ejemplo =DISTR. 12.INV(0. 10) da el valor 0.BETA DISTR.33. PROBABILIDAD PRUEBA. PERMUTACIONES.5. comienzo. alfa. =DISTR. FACT. 0. Paco Villegas 90 . que resultan de tirar 12 veces una moneda en la cantidad A1 llamada encabezamiento. prob ´ exito es el intervalo de probabilidad de ´ exito de un intento. fin) x es el valor con el cual se debe calcular la funci´ on a trav´ es del intervalo principio hasta el fin. prob ´ exito. Beta es un par´ ametro de distribuci´ on. 3. NEGBINOMDIST. 2. acumulado) X es la cantidad de ´ exitos de una sucesi´ on de intentos. para A1 = 4 el intervalo de probabilidad para 0. 4) da el valor 0. Comienzo (opcional) es el l´ ımite inferior de x.Estad´ ıstica con Guadalinex-Edu C FUNC. Vea tambi´ en las siguientes funciones: DISTR. Alfa es un par´ ametro de distribuci´ on. EST. acumulado = 0 calcula la probabilidad individual. 3 o 4 veces encabezamiento (el O no es excluyente). COMBINAR. 5. ensayos. Fin (opcional) es el l´ ımite superior de n´ umero.INV Calcula. por ejemplo. Sintaxis DISTR.BETA. el valor (te´ orico) de la distribuci´ on del cuadrado de JI que no debe superar la distribuci´ on observada. Sintaxis DISTR.JI. Vea tambi´ en las siguientes funciones: B. DISTR. Vea tambi´ en las siguientes funciones: DISTR.BETA.96. Ejemplo =DISTR. para que la hip´ otesis que se va a examinar sea verdadera.5.75. 12.BINOM(A1.BETA(x. ensayos es el total de intentos. 1.HIPERGEOM.5.BETA Calcula la distribuci´ on del intervalo de probabilidad de una variable aleatoria con distribuci´ on beta.BINOM(A1. esto es.

A partir de este valor del cuadrado de ji se determina el intervalo de probabilidad de error de la hip´ otesis que se va a demostrar. pues la desviaci´ on entre teor´ ıa y pr´ actica es demasiado grande. 151.02.JI tambi´ en se puede determinar mediante DISTR. Grados libertad es la cantidad de grados libertad del experimento. 5) da 11.INV(0. entonces se descarta la hip´ otesis. 189.JI. Es el intervalo de probabilidad con el que se cumple la distribuci´ on te´ orica del cuadrado de ji. 183 y 154 veces (valores observados). Con un intervalo de probabilidad de error del 5 % el dado no es de verdad.JI(A1:A6. el intervalo de probabilidad con el que se cumple la hip´ otesis.JI. Sintaxis PRUEBA.JI(datos B. entonces 1020/6 = 170.INV (te´ orico). EST.05. Vea tambi´ en las siguientes funciones: PRUEBA.39. es decir. =PRUEBA. Si el cuadrado ji observado es inferior a PRUEBA.JI Con ayuda de las pruebas del cuadrado de Ji se obtiene.JI. directamente a partir de los datos de medida. =PRUEBA.JI compara las dos series de datos y calcula el valor del cuadrado de Ji. que constituye una hip´ otesis.INV.JI. Se debe verificar la hip´ otesis de si el dado es real. si el intervalo de error es del 2 % no hay raz´ on para cuestionar su veracidad.07.JI.IN cr´ ıtico.27. la f´ ormula da un valor de cuadrado de ji de 13. B1:B6) da 0.JI Paco Villegas 91 . grados libertad) Probabilidad es el valor del intervalo de probabilidad de error para el que se debe calcular el tama˜ no PRUEBA. Si el cuadrado de ji (observado) es mayor o igual al cuadrado PRUEBA. Ejemplo Se tira un dado 1020 veces. Ejemplo A 195 151 148 189 183 154 B 170 170 170 170 170 170 1 2 3 4 5 6 =PRUEBA. 148.Estad´ ıstica con Guadalinex-Edu C FUNC.JI. De este modo se comparan los tama˜ nos observados y los esperados de una muestra: PRUEBA. Como el valor previsto para cada uno de los n´ umeros de las caras en n dados n veces es 1/6. Vea tambi´ en las siguientes funciones: PRUEBA. Los n´ umeros de las caras del 1 al 6 aparecen 195.JI. Datos E es la matriz de los valores previstos. El intervalo de probabilidad calculado mediante PRUEBA. DISTR. el cuadrado de ji de la muestra se debe presentar como par´ ametro.JI.JI. La distribuci´ on del cuadrado de ji de la muestra se calcula con la f´ ormula anterior. DISTR. CON CALC Sintaxis PRUEBA.INV(0. datos E) datos B es la matriz de las observaciones. entonces la hip´ otesis cumple el intervalo de probabilidad de error dado.02. en este caso en lugar de una serie de datos.JI PRUEBA. 5) da 13.INV. el valor del intervalo de probabilidad.INV(probabilidad.

Vea tambi´ en las siguientes funciones: PRUEBA. Grados libertad1 es la cantidad del grado de libertad del numerador de la distribuci´ on F. segunda parte DISTR.02.INV Calcula el percentil de la distribuci´ on F.JI DISTR. Sintaxis DISTR. acum acumulado = 0 calcula la funci´ on de densidad. acum = 1 la distribuci´ on.INV(0.F.5. Grados libertad es la cantidad de grados libertad del experimento.JI tambi´ en se puede determinar mediante PRUEBA. Si el valor del cuadrado de ji de la muestra asciende a 13. acum) x es el valor sobre el que se calcula la distribuci´ on exponencial.27 y el experimento tiene 5 grados libertad.78. Grados libertad2 es la cantidad del grado de libertad del denominador de la distribuci´ on F. 5) da como resultado 0. POISSON Funciones estad´ ısticas.EXP(3. en este caso.27. DISTR.F. 1) da 0.INV(probabilidad.JI. EST.5. grados libertad) x es el valor del cuadrado de ji de la muestra sobre el que se debe calcular el intervalo de probabilidad de error.GAMMA. 10) resulta 0.INV.F.JI A partir del cuadrado de ji determinado se obtiene el intervalo de probabilidad que constituye una hip´ otesis.JI(13. Sintaxis DISTR. La distribuci´ on F se utiliza en pruebas F y dispersa un par de grupos de datos para definir su comportamiento. DISTR. Vea tambi´ en las siguientes funciones: DISTR. Sintaxis DISTR. lambda. Vea tambi´ en las siguientes funciones: PRUEBA. entonces la hip´ otesis se cumple con un intervalo de probabilidad de error del 2 %. El intervalo de probabilidad calculado mediante DISTR. los datos observados y previstos se deben suministrar como par´ ametros. que se calcula a partir de la suma de (valor observado-valor previsto)ˆ2/valor previsto en todos los valores. PRUEBA. en lugar del cuadrado de ji de la muestra. 5.Estad´ ıstica con Guadalinex-Edu C FUNC. Ejemplo =DISTR. grados libertad2) Probabilidad es el valor de probabilidad para el que se calcula la distribuci´ on F inversa. Ejemplo =DISTR.JI compara el valor del cuadrado de ji de una muestra. Lambda es el par´ ametro de la distribuci´ on exponencial. con la distribuci´ on te´ orica del cuadrado de ji y origina el intervalo de probabilidad de error de la hip´ otesis que se debe demostrar.JI.EXP(x. 0. Ejemplo =DISTR. CON CALC DISTR.F.EXP Calcula el intervalo de probabilidad de variables aleatorias de distribuci´ on exponencial. grados libertad1.F Paco Villegas 92 .JI (X.93.

Vea tambi´ en las siguientes funciones: DISTR. COEF. grados libertad 2) x es el valor para el que se debe calcular la distribuci´ on F.CORREL. datos 2) Datos 1 es la matriz del primer registro de datos. como resultado.F Paco Villegas 93 .FISHER.F(x. PRUEBA.F DISTR. Sintaxis PRUEBA.DE. EST.INV.F.FISHER. Sintaxis FISHER(n´ umero) N´ umero es el valor que se debe transformar.INV.61.INV(n´ umero) N´ umero es el valor que se debe reconvertir. Sintaxis PRUEBA.F(0. genera la probabilidad de que ambas filas se originen a partir de la misma causa. Grados libertad 1 es el grado de libertad del numerador de la distribuci´ on F.F(datos 1.46.55.F Realiza una prueba de variable F y calcula la estad´ ıstica. B1:B12) calcula si ambas series de datos difieren en la varianza y. COVAR PRUEBA. 8. Grados libertad 2 es el grado de libertad del denominador de la distribuci´ on F.FISHER.INV.F Calcula el valor de la funci´ on de distribuci´ on F. CON CALC FISHER Calcula la transformaci´ on Fisher para x y da como resultado una funci´ on que se distribuye casi de forma normal y tiene un cociente cero. Ejemplo =FISHER(0.F. Vea tambi´ en las siguientes funciones: DISTR. Vea tambi´ en las siguientes funciones: FISHER. Ejemplo =DISTR.8. Ejemplo =PRUEBA.INV(0. Sintaxis DISTR.DE.INV Calcula la transformaci´ on Fisher para X invertida y da como resultado una funci´ on que se distribuye de forma casi normal y tiene un coeficiente cero. DISTR.CORREL.F(A1:A30. aproximadamente. grados libertad 1. COEF.5) resulta 0.5) resulta 0. Ejemplo =PRUEBA. COVAR PRUEBA.Estad´ ıstica con Guadalinex-Edu C FUNC. 12) resulta 0. Vea tambi´ en las siguientes funciones: PRUEBA. Datos 2 es la matriz del segundo registro de datos.FISHER. aproximadamente.

01 Vea tambi´ en las siguientes funciones: PRUEBA.GAMMA(x. CON CALC DISTR. acum = 0 calcula la funci´ on de densidad.INV Calcula el percentil de la distribuci´ on gamma inversa.GAMMA GAMMA.Z.GAMMA. 1.GAMMA.GAMMA(2.LN Calcula el logaritmo l´ ogico de la funci´ on gamma. Sintaxis DISTR.86.INV(probabilidad. Beta es el par´ ametro beta de la distribuci´ on gamma. Ejemplo =DISTR. DISTR. EST. Con esta funci´ on se pueden buscar variables con una distribuci´ on que puede no ser homog´ enea.NORM.INV GAUSS Fija el valor integral de la distribuci´ on est´ andar normal.GAMMA.EXP. Sintaxis GAUSS(z) z es el valor para el que se calcula el valor integral de la distribuci´ on est´ andar normal. Ejemplo =DISTR. Ejemplo GAUSS(0.GAMMA. DISTR. 1.0375) = 0. Sintaxis GAMMA. beta. Sintaxis DISTR. DISTR. Vea tambi´ en las siguientes funciones: DISTR.LN(X) X es el valor para el que se calcula el logaritmo l´ ogico de la funci´ on gamma.8.19) = 0. DISTR. beta) Probabilidad es el valor de probabilidad para el que se calcula la distribuci´ on gamma inversa. alfa. G(x).LN(2) resulta 0. Alfa es el par´ ametro alfa de la distribuci´ on gamma. Beta es el par´ ametro alfa de la distribuci´ on gamma. Vea tambi´ en las siguientes funciones: Factorial DISTR.INV(0. 1. alfa.08 GAUSS(0. K = 1 la distribuci´ on.ESTAND Paco Villegas 94 .Estad´ ıstica con Guadalinex-Edu C FUNC. Vea tambi´ en las siguientes funciones: DISTR. 1) resulta 1. Alfa es el par´ ametro alfa de la distribuci´ on gamma.NORM. acum) x es el valor para el que se debe calcular la distribuci´ on gamma.61. Ejemplo =GAMMA.GAMMA Calcula las probabilidades de una variable aleatoria de distribuci´ on gamma.JI. 1) resulta 0.

PROMEDIO. 2 y 3 se obtiene como resultado 41.) N´ umero 1.. son hasta 30 argumentos que se emplean para calcular la media armonizada. Vea tambi´ en las siguientes funciones: ´ . Ejemplo =MEDIA. alfa) datos es la matriz de datos dentro de la muestra. NORMALIZACION DISTR.79.NORM.ACOTADA(datos.ACOTADA(A1:A50. n´ umero 2. INTERVALO.INV.. no a la cantidad de los sumandos.NORM.ACOTADA Calcula el promedio de un grupo de datos sin tener en cuenta el valor en los m´ argenes.. n´ umero 2. la media geom´ etrica de esta muestra es 41. .GEOM(23. sin tener en cuenta el 5 por ciento de valores m´ as bajos y el 5 % de valores m´ as altos. son argumentos num´ ericos que representan una muestra. DISTR. MODA MEDIA. DISTR. Sintaxis MEDIA.Z(datos. n´ umero 2. Vea tambi´ en las siguientes funciones: MEDIA. MEDIA.ARMO.GEOM Calcula la media geom´ etrica de una cantidad de n´ umeros positivos.NORM. . Vea tambi´ en las siguientes funciones: MEDIA. EST.NORM.ARMO Calcula la media armonizada de una cantidad de datos. STD) datos es la matriz de datos. MEDIANA. x.) N´ umero 1. MEDIA.ARMO(n´ umero 1. MODA PRUEBA. MEDIANA. CON CALC MEDIA.. X es el valor a probar.ARMO. Ejemplo =PRUEBA. 12) da como resultado la probabilidad de que el valor 12 pertenezca a la totalidad distribuida normalmente de los datos en A1:A50.Z Calcula una estad´ ıstica de dos p´ aginas de una prueba z con distribuci´ on normal.CONFIANZA. DISTR.GEOM(n´ umero 1..79.ESTAND. 0. Paco Villegas 95 . Ejemplo Al introducir los valores 23. As´ ı pues. Los porcentajes se aplican a la cantidad del promedio no recortado... Alfa es el porcentaje de los datos marginales que no se deben tener en cuenta..ESTAND MEDIA. Si falta este argumento se procesa con la desviaci´ on est´ andar de la muestra en cuesti´ on.1) calcula el promedio de los n´ umeros en A1:A50. sigma (opcional) es la desviaci´ on est´ andar de la totalidad de fondo.Estad´ ıstica con Guadalinex-Edu C FUNC. 46. n´ umero 2. MEDIA.. PROMEDIO.79.GEOM.. Sintaxis PRUEBA. 69) = 41. Sintaxis MEDIA.Z(A1:A50. 46 y 69 en el valor de cuadro de texto 1. Sintaxis MEDIA.INV.ACOTADA.

rango K) Datos es la matriz de los datos en la muestra.BINOM. 46 y 69 en el cuadro de texto n´ umero 1.ESIMO.MAYOR Calcula el valor k superior de un grupo de datos. CON CALC Ejemplo Al introducir el valor 23. Rango K es el rango del valor.64.Estad´ ıstica con Guadalinex-Edu C FUNC. MEDIANA. Si. Rango K es la jerarqu´ ıa del valor. Sintaxis K.46. tercera parte K. Sintaxis DISTR. MODA DISTR. n´ um ´ n muestra es el tama˜ no de la muestra. Vea tambi´ en las siguientes funciones: DISTR.MENOR Calcula el valor k inferior de un grupo de datos. PROMEDIO.MAYOR(A1:C50. la probabilidad de que 2 tostadas que se caen de la mesa lleguen al suelo por el lado de la mantequilla es del 81 %. Ejemplo =K.ESIMO. PERCENTIL.HIPERGEOM Calcula intervalos de probabilidad en variables aleatorias distribuidas de forma geom´ etrica.69) = 37. COMBINAR.ESIMO. NEGBINOMDIST. RANGO.81. Paco Villegas 96 . 90 llegan al suelo por el lado de la mantequilla. n muestra. 2) da el segundo valor superior en A1:C50. 2 y 3 se obtiene como resultado 37. MAX TIL K.MAYOR(datos. Ejemplo =DISTR.HIPERGEOM(n´ um ´ exito. 100) tiene como resultado 0. n total es el tama˜ no de la totalidad de fondo.ARMO(23. EST. n total) exito es la cantidad obtenida en el resultado de la muestra. pobl ´ exito. MEDIA.ESIMO. PERMUTACIONES Funciones estad´ ısticas. FACT. El promedio armonizado de esta muestra es. Vea tambi´ en las siguientes funciones: ´ . MEDIANA.ESIMO.64. pobl ´ exito es la cantidad de los resultados posibles en la totalidad de fondo.GEOM. de cada 100 tostadas con mantequilla que se caen de la mesa.ESIMO. CUARK.MENOR(datos.64.MENOR. MEDIA. 90. rango K) Datos es la matriz de los datos de la muestra. 2.PERCENTIL.HIPERGEOM(2.ACOTADA. Vea tambi´ en las siguientes funciones: MEDIA. Sintaxis K. por tanto. 7.

MENOR(A1:C50. Ejemplo =COEF. Sintaxis INTERVALO.INV.CRIT Calcula el valor menor para el que el intervalo de probabilidad acumulada de la distribuci´ on binominal es igual o superior a uno de los intervalos de probabilidad l´ ımite. STD es la desviaci´ on est´ andar de la totalidad base.MAYOR.05.DE. EST. desv est´ andar. M´ IN. PRUEBA. CON CALC Ejemplo =K. Ejemplo =INTERVALO. datos 2) Datos 1 es la matriz del primer registro de datos.DE. Ejemplo =COVAR(A1:A30. B1:B50) calcula el coeficiente de correlaci´ on como medida de la conexi´ on linear entre dos series de datos. tama˜ no es el tama˜ no de la totalidad base.DE. RANGO.CORREL Calcula el coeficiente de correlaci´ on de un tama˜ no aleatorio bidimensional. tama˜ no) Alfa es el nivel del intervalo de confianza.CORREL(datos 1. MEDIANA. Sintaxis COVAR(datos 1. Datos 2 es la matriz del segundo registro de datos. Vea tambi´ en las siguientes funciones: PRUEBA.CONFIANZA Calcula un intervalo confianza (1 alfa) para distribuci´ on normal. Paco Villegas 97 .ESIMO.CORREL(A1:A50. COVAR COVAR Calcula la covarianza en todos los pares de datos de los productos representados.PERCENTIL.CONFIANZA(0. 100) da 0.INV. 1. Sintaxis COEF. PRUEBA. Vea tambi´ en las siguientes funciones: FISHER. CUARTIL INTERVALO. datos 2) Datos 1 es la matriz del primer registro de datos. Datos 2 es la matriz del segundo registro de datos.Z COEF.CORREL BINOM.FISHER.5. B1:B30) Vea tambi´ en las siguientes funciones: FISHER. 2) da el segundo valor menor en A1:C50.29.ESIMO. COEF.CONFIANZA(alfa.FISHER. PERCENTIL.Estad´ ıstica con Guadalinex-Edu C FUNC. Vea tambi´ en las siguientes funciones: K.DE.

LOG. Desv est´ andar es la desviaci´ on est´ andar de la distribuci´ on normal logar´ ıtmica.LOG Calcula la funci´ on de retorno de la distribuci´ on normal logar´ ıtmica. 1) da 0. Vea tambi´ en las siguientes funciones: EXP. PROBABILIDAD CURTOSIS Calcula la curtosis (exceso) de un grupo de datos.1) da como resultado 44. media.LOG. VAR.A4. DISTR. COMBINAR.CRIT(100.LOG. LN. NEGBINOMDIST. DESVEST.LOG(0. . Sintaxis CURTOSIS(n´ umero 1. 0. Media es el promedio de la distribuci´ on normal logar´ ıtmica. EST. CON CALC Sintaxis BINOM.LOG. 0. PERMUTACIONES.05. Ejemplo =CURTOSIS(A1.A5. n´ umero2. alfa) ensayos es el total de intentos. Media es el promedio de la distribuci´ on normal logar´ ıtmica. DESVESTP.19. desv est´ andar) Probabilidad es el valor del intervalo de probabilidad para el cual se debe calcular la distribuci´ on normal logar´ ıtmica inversa.. Ejemplo =INV. prob ´ exito.A3.A6) Vea tambi´ en las siguientes funciones: COEFICIENTE. Sintaxis INV..NORM DISTR. LOG10. Paco Villegas 98 .HIPERGEOM. n´ umero 2. 0.) N´ umero1. DISTR. VARP INV.. Alfa es el intervalo de probabilidad l´ ımite que se debe alcanzar o superar. andar) Sintaxis DISTR.. desv est´ x es el valor del intervalo de probabilidad para el cual se debe calcular la distribuci´ on normal logar´ ıtmica. son argumentos num´ ericos que representan una muestra de la distribuci´ on. . Desv est´ andar es la desviaci´ on est´ andar de la distribuci´ on normal logar´ ıtmica. Vea tambi´ en las siguientes funciones: DISTR.Estad´ ıstica con Guadalinex-Edu C FUNC. FACT.LOG(probabilidad. prob ´ exito es el intervalo de probabilidad de ´ exito de un intento. media.A2. Se deben introducir como m´ ınimo 4 valores.ASIMETRIA.5.CRIT(ensayos.NORM Calcula el valor de la funci´ on de distribuci´ on de una variable aleatoria con distribuci´ on normal logar´ ıtmica. Ejemplo =BINOM.BINOM.NORM(x.

Vea tambi´ en las siguientes funciones: BSMAX.50. LOG10.Estad´ ıstica con Guadalinex-Edu C FUNC. INV.A2.NORM(0. DBPROMEDIO. CONTARA. Cada n´ umero se puede reemplazar por una referencia. 1) da 0. Sintaxis MEDIANA(n´ umero 1.A3. CON CALC Ejemplo =DISTR. 9. son argumentos que representan una muestra.. ´ Sintaxis MAXA(Valor 1. Vea tambi´ en las siguientes funciones: EXP. que se valora como 0. 7. n´ umero 2. Cuando se inserta un texto. 0..texto) da como resultado el valor m´ aximo de esta lista.. es decir. 5. on MAXA admite texto. ´ este se valora como 0.. 20. en una cantidad de n´ umeros impar.. Ejemplo =MAX(A1. ´ Ejemplo =MAXA(A1.. M´ IN ´ MAXA ´ la funci´ ´ Calcula el valor m´ aximo de una lista de argumentos..Valor 30 son argumentos cuyo valor m´ aximo debe calcularse.200) ´ =MAX(A1:B100) da como resultado el valor mayor de la lista. LOG.01... MODA. Cada n´ umero se puede reemplazar por una referencia.1. ´ =MAXA(A1:B100) produce como resultado el valor m´ aximo de esta lista. SUMA Paco Villegas 99 . .A2.LOG. Valor 2.) N´ umero 1. ´ da como resultado el valor mayor de la lista. se encuentra en medio de la lista. 5. Valor 2. A diferencia de MAX. Si la cantidad de valores es par. Ejemplo (cantidad impar): =MEDIANA(1. En lugar de valores. BDPROMEDIO. ´ Sintaxis MAX(n´ umero 1. cuarta parte ´ MAX Calcula el mayor valor dentro de una lista de argumentos.50. son argumentos num´ ericos cuyo n´ umero m´ aximo se debe determinar.. .. tambi´ en se pueden utilizar referencias.. n´ umero 2.. Vea tambi´ en las siguientes funciones: M´ INA MEDIANA Calcula la mediana (punto medio) de los n´ umeros introducidos. (n´ umero par): =MEDIANA(1. Vea tambi´ en las siguientes funciones: CONTAR. 9. Es el valor que.. 21) da como resultado el valor medio de esta lista. se determinan los dos valores medios..100. . 20) devuelve como resultado el promedio de los dos valores intermedios 5 y 9.A3. es decir 9. n´ umero 2.) N´ umero 1.200.100. LN.LOG Funciones estad´ ısticas. EST. n´ umero 2.Valor 30) Valor 1.

. n´ umero 2. En lugar de valores tambi´ en se pueden utilizar referencias. . Sintaxis PROMEDIO(n´ umero 1. Ejemplo =PROMEDIO(A1:A50) Vea tambi´ en las siguientes funciones: DESVEST. n´ umero 2. En lugar de n´ umeros tambi´ en se pueden utilizar referencias.) N´ umero 1. ... Ejemplo =M´ INA(1. Sintaxis PROMEDIO(n´ umero 1...GEOM. ´ =MINA(A1:B100) devuelve el valor m´ ınimo de esta lista. . son argumentos num´ ericos de los cuales se debe calcular el n´ umero m´ as peque˜ no. Valor 2. n´ umero 2.. CON CALC M´ IN Calcula el n´ umero menor introducido como argumento. Ejemplo =PROMEDIO(A1:A50) Vea tambi´ en las siguientes funciones: MEDIA. Tambi´ en puede introducir texto. El valor del texto es 0. n´ umero 2.... . Sintaxis M´ IN(n´ umero 1... Sintaxis M´ INA(Valor 1. 20) devuelve el valor m´ ınimo de esta lista.ACOTADA.Valor 30) Valor 1. MEDIANA...ARMO. n´ umero 2.n´ umero 30 son argumentos num´ ericos que representan una muestra aleatoria extra´ ıda de una determinada poblaci´ on.. Vea tambi´ en las siguientes funciones: ´ BDMIN. VARP PROMEDIO Calcula el promedio aritm´ etico de los argumentos. Cada n´ umero se puede reemplazar por una referencia.. Muestra la dispersi´ on de un grupo de datos. . DESVESTP. MEDIA. DESVIA2...n´ umero 30 son argumentos que representan una muestra aleatoria.. En lugar de n´ umeros tambi´ en se pueden utilizar referencias.Estad´ ıstica con Guadalinex-Edu C FUNC. Ejemplo =M´ IN(A1:B100) da como resultado el valor m´ as peque˜ no de la lista. El texto se valora como 0. MAX M´ INA Devuelve el valor m´ ınimo de una lista de argumentos.n´ umero 30) N´ umero 1. VAR. Vea tambi´ en las siguientes funciones: ´ MAXA DESVPROM Calcula la desviaci´ on absoluta media de una secuencia de caracter´ ısticas y sus promedios..Valor 30 son argumentos cuyo valor m´ ınimo debe calcularse. MEDIA. Valor 2. texto. n´ umero 2.n´ umero 30) N´ umero 1. MODA Paco Villegas 100 . EST.

ARMO.Estad´ ıstica con Guadalinex-Edu C FUNC. PERMUTACIONES DISTR.5) da como resultado 0. Desv est´ andar es la desviaci´ on est´ andar de la distribuci´ on normal. prob ´ exito) NEGBINOMDIST(n´ um fracasos.. media. .25. Vea tambi´ en las siguientes funciones: DISTR.Valor 30) Valor 1. n´ umero 2. Valor 2. EST. PROMEDIO NEGBINOMDIST Calcula la probabilidad de una variable aleatoria negativa de direcci´ on binomial.GEOM.INV Calcula el percentil de distribuci´ on normal correspondiente al promedio y desviaci´ on est´ andar indicados. Sintaxis PROMEDIOA(Valor 1. ´ exito es la probabilidad de ´ exito de un intento. MEDIANA.ACOTADA. Paco Villegas 101 . En lugar de valores tambi´ en se pueden utilizar referencias. DISTR. FACT. Si ning´ un valor se repite dos veces. n´ umero 2..NORM. n´ fracasoses el n´ umero de fracasos en la serie de ensayos. MEDIA..HIPERGEOM.BINOM. MODA Calcula el valor m´ as frecuente en una matriz o en un conjunto de datos. CON CALC PROMEDIOA Calcula la media aritm´ etica de los argumentos. Sintaxis N´ um N´ um Prob um ´ exitos. Sintaxis MODA(n´ umero 1.. se devuelve como resultado el menor de ellos. Ejemplo NEGBINOMDIST(1. 1. Ejemplo =MODA(A1:A50) Vea tambi´ en las siguientes funciones: MEDIA. MEDIA...Valor 30 son argumentos que representan una muestra aleatoria extra´ ıda de una poblaci´ on. . Si existen varios valores que se repiten con la misma frecuencia. se muestra un mensaje de error. ´ exitos es el n´ umero de ´ exitos en la serie de ensayos. Sintaxis DISTR.NORM...n´ umero 30) N´ umero 1. desv est´ andar) Probabilidad es el valor probable en funci´ on del cual debe calcularse la distribuci´ on normal inversa. Ejemplo =PROMEDIOA(A1:A50) Vea tambi´ en las siguientes funciones: PROMEDIO. son argumentos num´ ericos que representan una muestra aleatoria..INV(probabilidad. Valor 2. En lugar de n´ umeros tambi´ en se pueden utilizar referencias.. 0. El texto se valora como 0. Media es el promedio de la distribuci´ on normal. El texto se valora como 0. COMBINAR.

INV.41. DISTR.NORM(x. PENDIENTE. la probabilidad de que un huevo no pese m´ as de 69.92.NORM Calcula la probabilidad de una variable aleatoria de distribuci´ on normal en funci´ on del promedio y desviaci´ on est´ andar indicados. Acum = 1 calcula la distribuci´ on.25) = 0. COEFICIENTE.ESTAND Paco Villegas 102 .03 PHI(-2.Z. 63.03 PHI(0) = 0. 63. Datos 2) Datos 1 es la matriz del primer registro de datos.Estad´ ıstica con Guadalinex-Edu C FUNC. 0) da como resultado 0.T´ IPICO. Sintaxis PEARSON(Datos 1. Datos 2 es la matriz del segundo registro de datos. Vea tambi´ en las siguientes funciones: ´ .Z. Vea tambi´ en las siguientes funciones: PRUEBA. 5.NORM. 1) da como resultado 0.EJE .INV(0. NORMALIZACION DISTR. DISTR.9. Ejemplo =DISTR. Acum = 0 calcula la densidad de probabilidad.ESTAND.NORM.NORM. Media es el promedio aritm´ etico de la distribuci´ on. Sintaxis PHI(N´ umero) N´ umero es el valor en funci´ on del cual se calcula la distribuci´ on normal est´ andar. con una desviaci´ on est´ andar de 5.NORM. Sintaxis DISTR. Vea tambi´ en las siguientes funciones: ´ ´ INTERSECCION. EST.ESTAND PRUEBA.NORM. DISTR. ERROR.NORM. acum) X es el valor de distribuci´ on en funci´ on del cual debe calcularse la distribuci´ on normal. 63.4 Vea tambi´ en las siguientes funciones: DISTR. CON CALC Ejemplo DISTR. ESTIMACION. Ejemplo =PEARSON(A1:A30.R2. Ejemplo PHI(2.NORM(70. Si un huevo de gallina est´ andar pesa 63g.25) = 0.41g es del 90 %.XY PHI Calcula los valores de la funci´ on de distribuci´ on para una distribuci´ on normal est´ andar. B1:B30) devuelve el coeficiente de correlaci´ on de Pearson correspondiente a ambas series de datos.NORM(70.03.ESTAND PEARSON Calcula el coeficiente de correlaci´ on producto o momento r de Pearson.NORM. Desv est´ andar es la desviaci´ on est´ andar de la distribuci´ on. 5) da como resultado 69. NORMALIZACION. DISTR. DISTR.LINEAL . 5. DISTR.INV. desv est´ andar.INV. media.NORM.ESTAND. =DISTR.

PERCENTIL(Datos. Si 50 queda fuera del ´ area. MAX IN. CUARTIL RANGO. Vea tambi´ en las siguientes funciones: ´ . X es el valor cuyo rango porcentual debe calcularse. 50) produce como resultado el rango porcentual del valor 50 en el ´ area completa de todos los valores de A1:A50. EST. que se halla ubicado en un porcentaje alfa de la escala desde el valor m´ ınimo hasta el valor m´ aximo de la serie de datos. K. CUARTIL CUARTIL Calcula el cuartil de un conjunto de datos.1) da como resultado 0.PERCENTIL. Vea tambi´ en las siguientes funciones: ´ . Ejemplo =PERCENTIL(A1:A50. acumulado) X es el valor en funci´ on del cual debe calcularse una distribuci´ on de Poisson. RANGO. Sintaxis PERCENTIL(Datos. M´ K. Vea tambi´ en las siguientes funciones: DISTR.93. 0.K) Datos es la matriz de los datos. para alfa = 50 % se denomina MEDIANA.Estad´ ıstica con Guadalinex-Edu C FUNC. Paco Villegas 103 . Acumulado = 0 calcula la densidad de probabilidad. Para alfa = 25 %.ESIMO. Ejemplo =RANGO. CON CALC POISSON Calcula la probabilidad de una variable aleatoria seg´ un la distribuci´ on de Poisson.MENOR. el percentil recibe el nombre de primer cuartil.EXP PERCENTIL Para una muestra aleatoria se calcula el percentil alfa.PERCENTIL Calcula el rango porcentual (alfa) de un valor de una muestra aleatoria. M´ K.ESIMO. MEDIANA. K determina el porcentaje del percentil.MAYOR.MENOR. Media es el promedio de la distribuci´ on de Poisson. Acumulado = 1 calcula la distribuci´ on. la funci´ on produce un mensaje de error. Un percentil devuelve el valor de escala respecto a una serie de datos. Ejemplo =POISSON(60. MAX IN. media.ESIMO. x) Datos es la matriz de los datos de la muestra aleatoria.PERCENTIL(A1:A50. situado entre 0 y 1.MAYOR.50.1) da como resultado el valor de la serie de datos que constituye el 10 % de la escala de todos datos contenidos en A1:A50. MEDIANA. Sintaxis RANGO. PERCENTIL.ESIMO. Sintaxis POISSON(x. K.

A1:A50) indica la posici´ on jer´ arquica del valor en A10 respecto a los valores comprendidos entre A1 y A50. Orden) N´ umero es el n´ umero para el que se define la jerarqu´ ıa. VARP ´ PRONOSTICO Calcula un valor a partir de la regresi´ on lineal. VAR. 2 = 50 % (MEDIANA). EST. 1 = 25 %. Cuartil es el tipo de cuartil. Datos X) X es el valor X para el que se ha de calcular el valor Y de la regresi´ on lineal. MAX IN. (0 = M´ IN. Orden (opcional) es el orden de la sucesi´ on jer´ arquica. 2) da como resultado el valor correspondiente al 25 % de la escala comprendida entre el valor m´ ınimo y el m´ aximo del ´ area A1:A50. K.ASIMETRIA Calcula la asimetr´ ıa de una distribuci´ on.ASIMETRIA(A1:A50) calcula el valor de la asimetr´ ıa para los datos de la referencia indicada. = 1 significa descendente. Cuartil) Datos es la matriz de los datos de la muestra aleatoria.ESIMO.N´ umero 30) N´ umero 1. Paco Villegas 104 . se muestra un mensaje de error..Estad´ ıstica con Guadalinex-Edu C FUNC. ´ Sintaxis PRONOSTICO(x. Datos Y es la matriz de los datos Y.) Ejemplo =CUARTIL(A1:A50. Datos X es la matriz de los datos X. DESVEST. N´ umero 2. = 0 significa ascendente. RANGO. Datos. Vea tambi´ en las siguientes funciones: ´ . Vea tambi´ en las siguientes funciones: RANGO.ESIMO.MENOR. son argumentos num´ ericos que representan una muestra de la distribuci´ on. . Vea tambi´ en las siguientes funciones: CURTOSIS. Sintaxis JERARQU´ IA(N´ umero. Datos es la matriz de los datos de la muestra. Sintaxis COEFICIENTE. 3 = 75 % y 4 = ´ MAX. Si Valor no existe dentro del ´ area..MAYOR. Ejemplo =COEFICIENTE. Datos Y.PERCENTIL COEFICIENTE.ASIMETRIA(N´ umero 1. DESVESTP..PERCENTIL Funciones estad´ ısticas. MEDIANA. quinta parte JERARQU´ IA Calcula la jerarqu´ ıa de una cifra dentro de una lista de cifras. CON CALC Sintaxis CUARTIL(Datos. PERCENTIL. Tambi´ en es posible indicar ´ areas. M´ K.. N´ umero 2. Ejemplo =JERARQU´ IA(A10.

N´ umero 30) N´ umero 1.LINEAL ... PROMEDIO.. Ejemplo =DESVESTA(A1:A50) devuelve la desviaci´ on est´ andar calculada a partir de los datos de la referencia... B1. N´ umero 2. N´ umero 2.. PROMEDIO. Vea tambi´ en las siguientes funciones: DESVPROM.. Ejemplo =DESVEST(A1:A50) devuelve la desviaci´ on est´ andar calculada a partir de los datos de la referencia.. DESVESTP y DESVESTPA. Sintaxis DESVESTA(Valor 1.A50.Valor 30) Valor 1... EST. Vea tambi´ en las siguientes funciones: ´ ESTIMACION. Ejemplo =DESVESTP(A1:A50) devuelve la desviaci´ on est´ andar de los datos de la referencia. son argumentos num´ ericos que representan una muestra de un total base. VAR DESVESTA Calcula una estimaci´ on de la desviaci´ on est´ andar a partir de una muestra. Sintaxis DESVEST(N´ umero 1.LOGAR´ ITMICA. El texto adopta el valor 0.. A1.B50) devuelve el valor Y que se espera para el valor X 50 cuando los valores X y los valores Y de las dos referencias est´ an vinculados a trav´ es de una regresi´ on lineal. Sintaxis DESVESTP(N´ umero 1. DESVEST. Vea tambi´ en las siguientes funciones: DESVEST.. DESVESTP Calcula la desviaci´ on est´ andar a partir del total base. VARP DESVESTPA Calcula la desviaci´ on est´ andar a partir del total base.N´ umero 30) N´ umero 1.Estad´ ıstica con Guadalinex-Edu C FUNC.. El texto adopta el valor 0. Tambi´ en se admiten textos. CON CALC ´ Ejemplo =PRONOSTICO(50. CRECIMIENTO DESVEST Calcula una estimaci´ on de la desviaci´ on est´ andar a partir de una muestra. MODA. MODA.Valor 2. DESVESTP.. son argumentos num´ ericos que representan una muestra sobre un total. TENDENCIA..N´ umero 2. N´ umero 2. ESTIMACION.. a los que se asignar´ a el valor 0..Valor 30 son argumentos que representan una muestra tomada de un total base.. Valor 2. Vea tambi´ en las siguientes funciones: DESVPROM. Paco Villegas 105 .

NORM. Sintaxis DISTR. DISTR.NORM.ESTAND. Vea tambi´ en las siguientes funciones: DESVESTP y DESVESTA. 1) devuelve 1.ESTAND.Estad´ ıstica con Guadalinex-Edu C FUNC.ESTAND.ESTAND(1) devuelve 0.INV.INV.Z..desv est´ andar) X es el valor que va a normalizarse. NORMALIZACION DISTR. DISTR.Valor 2.NORM.Z.NORM. media . Media es el promedio de desplazamiento que se desea realizar. DISTR. Al texto se le asigna el valor 0.ESTAND.84. PHI. Ejemplo DISTRIB. ´ Sintaxis NORMALIZACION(x. CON CALC Sintaxis DESVESTPA(Valor 1.NORM..ESTAND. En una distribuci´ on normal con una media de 10 y una desviaci´ on est´ andar de 1..908789) devuelve 1.NORM.. DISTR. Sintaxis DISTR.INV. EST. NORMALIZACION Calcula el valor normalizado de una distribuci´ on caracterizada por un promedio y una desviaci´ on est´ andar.ESTAND PRUEBA. DISTR. NORMALIZACION Paco Villegas 106 .INV PRUEBA.INV.INV Calcula el percentil de la distribuci´ on normal est´ andar.Valor 30) valor 1.NORM.Valor 30 son argumentos que representan una muestra tomada de un total. andar es la desviaci´ on est´ andar en la que hay que escalar.INV(0. DISTR.Valor 2. Ejemplo =DISTR. La superficie situada debajo de la curva de la distribuci´ on normal est´ andar a la izquierda del valor X 1 es el 84 % de la superficie total. DISTR. DISTR.ESTAND Calcula los valores de la funci´ on de distribuci´ on de las variables aleatorias de distribuci´ on normal est´ andar.NORM. 10.NORM.NORM.3333. DISTR.NORM.NORM. Vea tambi´ en las siguientes funciones: ´ .INV(probabilidad) Probabilidad es el valor de probabilidad para el que se va a calcular la distribuci´ on normal est´ andar inversa. el valor 11 est´ a a la misma distancia por encima del promedio 10 que el valor 1 sobre el promedio 0 de la distribuci´ on normal est´ andar. Vea tambi´ en las siguientes funciones: PRUEBA..ESTAND(z) Z es el valor para el que se calcula la distribuci´ on normal est´ andar.NORM.NORM.Z.NORM..ESTAND DISTR. Vea tambi´ en las siguientes funciones: ´ . Ejemplo =DESVESTPA(A1:A50) devuelve la desviaci´ on est´ andar de los datos de la referencia. DISTR. Desv est´ ´ Ejemplo =NORMALIZACION(11.NORM.

DESVEST. COEFICIENTE. Sintaxis DISTR.T. Datos X es la matriz de los datos X. . COEFICIENTE.XY Calcula el error t´ ıpico de los valores Y calculados para todos los valores X de la regresi´ on. PENDIENTE DESVIA2 Efect´ ua la suma de las desviaciones cuadradas de datos a partir del valor medio de la muestra. N´ umero 2. Ejemplo =DESVIA2(A1:A50) Vea tambi´ en las siguientes funciones: DESVPROM.INV(probabilidad. PEARSON . Datos X es la matriz de los datos X. CON CALC PENDIENTE Calcula la pendiente de la l´ ınea de regresi´ on lineal. ES´ ´ ´ TIMACION.Estad´ ıstica con Guadalinex-Edu C FUNC.INV Calcula percentiles de la distribuci´ on t de Student para los grados de libertad indicados..T Paco Villegas 107 . VARP DISTR. Sintaxis DESVIA2(N´ umero 1. Datos X) Datos Y es la matriz de los datos Y. Sintaxis ERROR. ES´ ´ TIMACION. TENDENCIA ERROR.. Tambi´ en es posible definir referencias..XY(Datos Y. ERROR. DESVESTP. PEARSON.LINEAL . Datos X) Datos Y es la matriz de los datos Y.TIPICO.N´ umero 30 son argumentos num´ ericos que representan una muestra.EJE . B1:B50) Vea tambi´ en las siguientes funciones: ´ ´ INTERSECCION.1.ESTIMACION.N´ umero 30) N´ umero 1. Ejemplo =DISTR..INV(0. 2. Grados libertad es la cantidad de grados de libertad de la distribuci´ on t.R2. Ejemplo =PENDIENTE(A1:A50.XY(A1:A50.LINEAL . Sintaxis PENDIENTE(Datos Y. Ejemplo =ERROR.EJE . DISTR. B1:B50) Vea tambi´ en las siguientes funciones: ´ ´ INTERSECCION.LOGARITMICA.. 6) devuelve 1. EST.T.LOGARITMICA.XY.T.T.94 Vea tambi´ en las siguientes funciones: PRUEBA.T´ IPICO. La pendiente se adapta a los puntos de datos definidos en los valores Y y los valores X.R2. ESTIMACION.T´ IPICO. VAR.T´ IPICO. grados libertad) Probabilidad es el valor de probabilidad para el que se pretende calcular la distribuci´ on t inversa.

Sintaxis VAR(N´ umero 1. Ejemplo =VAR(A1:A50) Vea tambi´ en las siguientes funciones: DESVPROM. Paco Villegas 108 . Modo = 1 calcula la prueba en una cola. PRUEBA. Modo = 2 calcula la prueba de dos colas.INV. PROMEDIO. CON CALC PRUEBA. B1:B50. . Modo = 2 calcula la prueba de dos colas. Tipo muestra el modelo de prueba t que debe realizarse...N´ umero 2.. Datos 2.T Calcula los valores de la funci´ on de distribuci´ on (1-alfa) de una variable aleatoria de distribuci´ on t (Student). DISTR. Tipo) Datos 1 es la matriz del primer registro de datos. EST.. 1) Vea tambi´ en las siguientes funciones: DISTR. El texto adopta el valor 0. N´ umero 2. Ejemplo =DISTR..T(A1:A50. Sintaxis DISTR. Tambi´ en es posible indicar referencias. El texto adopta el valor 0. Tambi´ en es posible indicar referencias.N´ umero 30) N´ umero 1. Ejemplo =PRUEBA. 2 significa dos muestras con varianzas iguales (homosced´ astico). Sintaxis VARA(Valor 1.Valor 30 son argumentos que representan una muestra tomada de un total base. Sintaxis PRUEBA.T Calcula la estad´ ıstica de una prueba T de Student..T(x. Modo. 3 quiere decir que se toman dos muestras con varianzas distintas (heterosced´ astico).Estad´ ıstica con Guadalinex-Edu C FUNC.T(Datos 1.T(12.T DISTR. Datos 2 es la matriz del segundo registro de datos.INV. . Valor 30) Valor 1. MODA.T. DESVEST VARA Realiza una estimaci´ on de la varianza a partir de una muestra.T VAR Realiza una estimaci´ on de la varianza a partir de una muestra. 2. son argumentos num´ ericos que representan una muestra sobre un total base. Modo = 1 calcula la prueba en una cola. El tipo 1 significa por pares. Valor 2. 5.... Modo) X es el valor para el que se quiere calcular la distribuci´ on t. Valor 2.T.. 2) Vea tambi´ en las siguientes funciones: DISTR. grados libertad. Grados libertad es el grado de libertad de la distribuci´ on t.

Cantidad 2 define la cantidad seleccionada de objetos... Cantidad 2 es la cantidad seleccionada de elementos.. EST. son argumentos num´ ericos que representan un total base.CRIT.. N´ umero 2. . N´ umero 2.HIPERGEOM. CON CALC Ejemplo =VARA(A1:A50) Vea tambi´ en las siguientes funciones: VAR. Vea tambi´ en las siguientes funciones: DISTR. Paco Villegas 109 . Ejemplo =VAR(A1:A50) Vea tambi´ en las siguientes funciones: DESVPROM.N´ umero 30) N´ umero 1. Cantidad 2) Cantidad 1 es la cantidad total de objetos.. Sintaxis VARPA(Valor 1. Ejemplo =VARPA(A1:A50) Vea tambi´ en las siguientes funciones: DESVESTP y DESVESTPA PERMUTACIONES Devuelve el n´ umero de permutaciones para un n´ umero determinado de objetos. .. Sintaxis PERMUTACIONESA(Cantidad 1. Valor 2.. DISTR. Existen 120 posibilidades distintas de obtener series de 3 cartas a partir de 6 naipes.. Valor 2. 3) devuelve 120.BINOM. Cantidad 2) Cantidad 1 es la cantidad total de elementos.. FACT. DESVEST y DESVESTA VARP Calcula la varianza a partir de un total base. COMBINAR. MODA. DESVESTP VARPA Calcula la varianza a partir del total base.Estad´ ıstica con Guadalinex-Edu C FUNC. Valor 30) Valor 1. NEGBINOMDIST PERMUTACIONESA Calcula el n´ umero de variaciones de elementos con repetici´ on. PROMEDIO. El texto adopta el valor 0.. Sintaxis VAR(N´ umero 1. Ejemplo =PERMUTACIONES(6. BINOM. Sintaxis PERMUTACIONES(Cantidad 1.Valor 30 son argumentos que representan un total base.

BINOM. alfa . Acumulado indica el tipo de funci´ on. 50. COMBINAR2. 1. Alfa es el par´ ametro alfa de la distribuci´ on de Weibull. Si Acumulado es igual a 0 se calcula la funci´ on acumulada. l´ ımite sup) Intervalo x es la matriz de los datos de la muestra.CRIT DIST. Si falta este par´ ametro se calcula la probabilidad de que exista exactamente el valor L´ ımite inf.Estad´ ıstica con Guadalinex-Edu C FUNC.WEIBULL Calcula las probabilidades de variables aleatorias con distribuci´ on de Weibull. intervalo probabilidad.WEIBULL(2. EST. L´ ımite sup (opcional) es el final del intervalo de valores cuyas probabilidades se quieren sumar. Para cada valor del sector A1:A50 existe un valor de probabilidad asignado en el ´ area B1:B50. l´ ımite inf.WEIBULL(x. DISTR. Ejemplo =PROBABILIDAD(A1:A50.CRIT. Vea tambi´ en las siguientes funciones: DISTR. 60) calcula la probabilidad de que un valor del ´ area A1:A50 est´ e contenido entre los l´ ımites de 50 y 60.HIPERGEOM. si Acumulado es igual a 1 se calcula la distribuci´ on. Vea tambi´ en las siguientes funciones: DISTR.BINOM. 1) da como resultado 0. Sintaxis PROBABILIDAD(intervalo x. Sintaxis DIST. L´ ımite inf es el inicio del intervalo de valor cuyas probabilidades se quieren sumar. Vea tambi´ en las siguientes funciones: DISTR. CON CALC Ejemplo ¿Cu´ antas veces se pueden extraer 2 elementos de un conjunto de 11 elementos? =PERMUTACIONESA(11. FACT. =PERMUTACIONESA(6. acumulado) X es el valor para el que se calcula la distribuci´ on de Weibull. hay 216 posibilidades distintas de obtener una sucesi´ on de tres cartas. NEGBINOMDIST PROBABILIDAD Calcula la probabilidad de obtener un intervalo cerrado que conste de dos valores. Si no se indica el l´ ımite superior. beta .2) da como resultado 121. Ejemplo =DIST. 1. esta funci´ on calcula la probabilidad a partir del supuesto de que los valores que pertenecen a los datos son iguales al valor del l´ ımite inferior. Beta es el par´ ametro beta de la distribuci´ on de Weibull. Intervalo probabilidad es la matriz de las correspondientes probabilidades. 3) da como resultado 216.BINOM.86. BINOM. B1:B50. Si se toman 6 naipes y se saca una carta a la vez que se devuelve antes de sacar de la siguiente.EXP Paco Villegas 110 .

power.: conditional Arithmetic %*%: matrix multiplication %/%. lm().) Miscellaneous q(): quit <-: assign INSTALL package1: install package1 m1[.c1).b): test correlation friedman. qqline(): fit normal distribution Paco Villegas 111 . mean().r1.table("file1"): read in data from file1 data.list1. boxplot(). (Here.3): creates the same vector rep(x1. items with numbers like x1 are user-supplied variables.) help.vector(): what it is t(): switch rows and columns which(x1==a1): returns indices of x1 where x1==a1 Control flow for (i1 in vector1): repeat what follows if (condition1) ..n1.2. RAPIDA DE R D.4.test(x1): chi-square test on matrix x1 fisher.3 c(1.test(): t test prop. modulus. anova().b1.test(a.file(url1): from internet url.. barplot().c(2. by Jonathan Baron Parentheses are for functions. is.factor(). as.. ^.entry(): spreadsheet scan(x1): read a vector x1 download.g.) package mva apropos("topic1"): commands relevant to topic1 example(command1): examples of command1 Input and output source("file1"): run the commands in file1.c1): binds columns or rows into a matrix merge(df1.matrix().. mean) to x by rows (n1=1) or columns (n2=2) tapply(x1. is. rm(object1): removes object1 dim(matrix1): dimensions of matrix1 dimnames(x1): names of dimensions of x1 length(vector1): length of vector1 1:3: the vector 1.n1): repeats the vector x1 n1 times cbind(a1. Referencia r´ apida de R R reference card. min().test(): Fisher exact test cor(a): show correlations cor.Estad´ ıstica con Guadalinex-Edu D ´ REF.na: true if data missing library(mva): load (e.function1): apply function1 (e.test(). as.) the mva package Help help(command1): get help with command1 (NOTE: USE THIS FOR MORE DETAIL THAN THIS CARD CAN PROVIDE.factor().url(url1): remote input sink("file1"): output to file1. brackets are for indicating the position of items in a vector or matrix.v2): make a data frame from vectors v1 and v2 as. rbind(a1.5)]: columns 2–5 m1$a1: variable a1 in data frame m1 NA: missing data is. stem(). read.else ."file1"): writes a table Managing variables and objects attach(x1): put variables in x1 in search path detach(x1): remove from search path ls(): lists all the active objects. square root Statistics max().b1.show(url1). sqrt(): integer division.df2): merge data frames matrix(vector1.start(): start browser help help(package=mva): help with (e. read. "file1"): writes an object to file1 write. anova t.2. %%. sum(). median().g.3.c1): make vector1 into a matrix with r1 rows and c1 columns data.table(dataframe1. var(): as named summary(data.function1): apply function to x1 by list1 table(): make a table tabulate(): tabulate a vector basic statistical analysis aov().2]: column 2 of matrix m1 m1[.2:5] or m1[.table. binom. hist(): basic plots matplot(): matrix plot pairs(matrix): scatterplots coplot(): conditional plot stripplot(): strip plot qqplot(): quantile-quantile plot qqnorm().vector(): conversion is. sort() rank and sort ave(x1.frame(v1.test(): sign test chisq.frame): prints statistics rank().test(): Friedman test some statistics in mva package prcomp(): principal components kmeans(): kmeans cluster analysis factanal(): factor analysis cancor(): canonical correlation Graphics plot().matrix().y1): averages of x1 grouped by factor y1 by(): apply function to data frame by factor apply(x1. glm(): linear and nonlinear models. until sink() write(object.g.

sin. exp.header=TRUE) leemos el contenido de fichero. . demo(graphics) ejemplo de las posibilidades gr´ aficas Operaciones Matem´ aticas b´ asicas: +.nfilas. /. n) percentil n (n se escribe en tanto por uno) table(variable) frecuencias absolutas Paco Villegas 112 .txt y lo ponemos en la variable datos names(datos) lista el nombre de las variables del objeto datos datos$variable muestra el contenido de variable attach(datos) permite acceder a las variables del objeto datos con el nombre variable summary(variable) resumen mean(variable) media median(variable) mediana var(variable) cuasivarianza sd(variable) cuasidesviaci´ on t´ ıpica range(variable) rango quantile(variable.*.num_datos) secuencias rias aleato- diag(A) diagonal principal de la matriz A det(A) para obtener el determinante de A Estad´ ıstica descriptiva list. options() c´ omo est´ an definidas las variables de entorno options(digits=22) para trabajar con el m´ aximo de d´ ıgitos significativos <.start() ayuda en modo html ?comando ayuda sobre un comando help.files() lista los ficheros del directorio de trabajo file.show("fichero. cos. tan.ncolumnas) crear matrices Operaciones elementales con Matrices A ± B suma de matrices A %* % B producto de matrices t(A) transpuesta de la matriz A solve(A. log. solve(A) inversa de la matriz A Comencemos R iniciar el programa q() para salir #comentario para escribir comentarios help() ayuda..table("fichero.b) soluci´ on del sistema de ecuaciones A · x = b.asignaciones dato muestra el contenido de la variable dato ls() qu´ e objetos est´ an en memoria objects() qu´ e objetos est´ an en memoria rm(x) borra el objeto x c(datos) soncatenar x[i] dato i-esimo del vector x datos<-scan() introducir datos seq(m´ ınimo.[incremento. Comandos de R Matrices matrix(datos.Estad´ ıstica con Guadalinex-Edu E COMANDOS DE R E..txt".num_veces) comando r´ eplica sample(m´ aximo.txt") muestra el contenido del fichero datos<-read.longitud])) secuencias de n´ umeros a:b secuencias de n´ umeros rep(datos. ˆ Disponemos de las funciones matem´ aticas m´ as usuales: sqrt..search("comando") busca en la ayuda de los comandos de R la palabra “cadena” apropos("comando") funciones cuyo nombre contiene la palabra pasada como argumento. para salir q help.m´ aximo. .

. p) funci´ probabilidad „ on« de n k (P (X = k) = p (1 − p)n−k ) k pbinom(k. n.Peso) covarianza cor(variable. n. k = 0:n)) un bucle para el tri´ angulo de Tartaglia expand.y.nclass=n. con la opci´ on l unimos los puntos lm(y~x) funci´ on que realiza los modelos lineales abline(lm(y~x)) a˜ nade una l´ ınea (definida por la ordenada en el origen y su pendiente) a un gr´ afico. σ ) para obtener x n´ umeros aleatorios siguiendo una distribuci´ on normal Inferencia t. en formato jpeg.Peso) coeficiente de correlaci´ on plot(x. on de distibuci´ on F (x) = R x µ. algunas de las opciones m´ as usuales son: main="titulo" t´ ıtulo del gr´ afico xlab="etiqueta eje X" etiqueta del eje X ylab="etiqueta eje Y" etiqueta del eje Y type="l" une los puntos con l´ ıneas summary(objeto lm) sumario o resumen del objeto predict(objeto lm) valores esperados coef(objeto) coeficientes de la recta de regresi´ on anova(objeto) tabla del an´ alisis de la varianza Combinatoria « „ m combinaciones choose(m. opciones) diagrama de barras boxplot(datos.Estad´ ıstica con Guadalinex-Edu E COMANDOS DE R Algunos gr´ aficos con R piechart(datos. µ.) mezcla series de datos Distribuciones Binomial y Normal La binomial dbinom(k.datos2. σ ) calcula x | P (X ≤ x) = p rnorm(x. nclass es opcional y con ´ el establecemos el n´ umero de intervalos barplot(datos.jpeg dev.level=x. opciones) diagrama de cajas y bigotes stem(datos) diagrama de tallo y hojas Estas funciones gr´ aficas tienen muchas posibilidades (podemos a˜ nadir varias separadas por comas)..jpeg jpeg(”fichero”) guardar´ a el gr´ afico.grid(datos1. pairs(formula(objeto_lm)) nubes de puntos pnorm(x.n) n factorial(n) n! como su nombre indica for (n in 0:10) print(choose(n. p) calcula x | P (X ≤ x) = P rbinom(x. en el directorio de trabajo en un fichero de nombre fichero.. p) para obtener x n´ umeros aleatorios de una distribuci´ on B (n. opciones) histograma. µ. µ. opciones) diagrama de sectores hist(datos. en el directorio de trabajo en un fichero de nombre Rplotxxx. n. p) La “normal” dnorm(x.test(datos.off() devuelve la salida a la salida est´ andar x11() muestra el gr´ afico en pantalla Estad´ ıstica bidimensional cov(variable. en formato jpeg. σ ) funci´ on de densidad f (x) = 1 x−µ 2 −2 ( ) σ √1 e 2πσ las col="nombre" color del gr´ afico help(Devices) formatos gr´ aficos que hay a nuestra disposici´ on jpeg() guardar´ a el gr´ afico.mu=µ) test de hip´ otesis Paco Villegas 113 . p) funci´ de distribuci´ on P on (P (X ≤ k) = k i=0 P (X = i)) qbinom(P.conf. σ ) funci´ f ( t ) dt −∞ qnorm(p.type="l") representa la nube de puntos. n.

html [2] Grace Tutorials. translated by Jorge A.openoffice.html [7] R reference card by Jonathan Baron. http://plasma-gate. [6] Gr´ aficos Estad´ ısticos con R by Juan Carlos Correa and Nelfi Gonza r-project.il/Grace/doc/ Tutorial.org/projects/gnumeric/doc/ index. http://www.Estad´ ıstica con Guadalinex-Edu REFERENCIAS Referencias [1] Grace User’s Guide (for Grace-5.org/other-docs.1.r-project.r-project. http://cran. http://es.html [3] The Gnumeric Manual.weizmann.org/other-docs.ac. Grace Team. [5] A Spanish translation of An Introduction to R by Andre http://cran. the Spanish version of R for Beginners.r-project.html ´s Gonza ´ lez and Silvia Gonza ´lez. http://cran. http://cran.17). http://plasma-gate.html ´lez.org/servlets/ Paco Villegas 114 .html [4] R para Principiantes. version 1. Edward Vigmond.org/other-docs.html [8] Documentaci´ on de ProjectDocumentList OpenOffice. il/Grace/doc/UsersGuide.2.org/other-docs.ac.gnome. Ahumada.weizmann.

0. Derechos Reservados en el sentido de GNU http://www. En segundo t´ ermino. del T. Hemos dise˜ nado esta Licencia para usarla en manuales de software libre. Pero esta licencia no se limita a manuales de software. versi´ on 1. Cualquier miembro del p´ ublico es un licenciatario.com Igor Ta Pablo Reyes mailto:reyes_pablo@hotmail. pero no se permiten cambios. se refiere a cualquiera de dichos manuales o trabajos. esta licencia preserva para el autor o para quien publica una manera de obtener reconocimiento por su trabajo. Suite 330. de manera comercial o no. Una ”Secci´ on Secundaria” es un ap´ endice titulado o una secci´ on preliminar al pr´ ologo del Documento que tiene que ver exclusivamente con la relaci´ on de quien publica o. y ser´ a denominado como ”Usted”.1. Boston. al tiempo que no se consideran responsables de las modificaciones realizadas por terceros.html Paco Villegas 115 . Una ”Versi´ on Modificada” del Documento significa cualquier trabajo que contenga el Documento o una porci´ on del mismo. mailto:vtamara@gnu. ya que el software libre necesita documentaci´ on libre: Un programa libre debe venir con los manuales que ofrezcan la mismas libertades que da el software. MA 02111-1307 USA Se permite la copia y distribuci´ on de copias literales de este documento de licencia. con o sin modificaciones. que es una licencia de copyleft dise˜ nada para el software libre. si el Documento es en parte un texto de matem´ aticas. Aplicabilidad y definiciones Esta Licencia se aplica a cualquier manual u otro documento que contenga una nota del propietario de los derechos que indique que puede ser distribuido bajo los t´ erminos de la Licencia. los autores del Documento o. Inc.com ´mara P. Marzo de 2000 Esta es la GNU Free Document License (GFDL). 1.gnu.gnu. sin tener en cuenta su tem´ atica o si se publica como libro impreso. La traducci´ on38 no tiene ning´ un valor legal.) La relaci´ on puede ser un asunto 38 N.Estad´ ıstica con Guadalinex-Edu F GFDL F. Recomendamos esta licencia principalmente para trabajos cuyo fin sea instructivo o de referencia. Esto complementa la Licencia P´ ublica General GNU. una Secci´ on Secundaria puede no explicar matem´ aticas.es. (Por ejemplo. Esta licencia es una especie de ”copyleft” que significa que los trabajos derivados del documento deben a su vez ser libres en el mismo sentido.org Revisi´ on : Vladimir Ta Copyright c 2000 Free Software Foundation.org/copyleft/copyleft. El ”Documento”. con posibilidades en otros campos.org/copyleft/fdl. que cubre manuales y documentaci´ on para el software de la Free Software Foundation. libro de texto. ni ha sido comprobada de acuerdo a la legislaci´ on de ning´ un pa´ ıs en particular. u otro documento escrito sea ”libre” en el sentido de libertad: asegurar a todo el mundo la libertad efectiva de copiarlo y redistribuirlo. el tema general del Documento (o asuntos relacionados) y cuyo contenido no entra directamente en este tema general.000). puede ser usada para cualquier trabajo textual.1 (de marzo de 2.html Los autores de esta traducci´ on son: ´mara mailto:ikks@bigfoot. Pre´ ambulo El prop´ osito de esta licencia es permitir que un manual. Vea el original http://www. 59 Temple Place. ya sea una copia literal o con modificaciones y/o traducciones a otro idioma. en adelante. Licencia de Documentaci´ on Libre GNU (traducci´ on) Versi´ on 1.

formatos propietarios que pueden ser le´ ıdos y editados unicamente en procesadores de palabras propietarios. SGML o XML usando un DTD disponible ampliamente. cuyos contenidos pueden ser vistos y editados directamente con editores de texto gen´ ericos o (para im´ agenees compuestas por pixeles) de programas gen´ ericos de dibujo o (para dibujos) alg´ un editor gr´ afico ampliamente disponible. siempre que preserven el t´ ıtulo del Documento y satisfagan estas condiciones. puede considerarse como copia literal. cuyo formato ha sido dise˜ nado para impedir o dificultar subsecuentes modificaciones posteriores por parte de los lectores no es Transparente. y HTML simple que sigue los est´ andares. usted puede aceptar compensaci´ on a cambio de las copias. Como ejemplos de formatos adecuados para copias Transparentes est´ an el ASCII plano sin A formato. ”Portada” significa el texto cerca a la aparici´ on m´ as prominente del t´ ıtulo del trabajo. que esta Licencia requiere que aparezca en la portada. filos´ ofica. formato de L TEX. SGML o XML para los cu´ ales los DTD y/o herramientas de procesamiento no est´ an disponibles generalmente.Estad´ ıstica con Guadalinex-Edu F GFDL de conexi´ on hist´ orica. o de posici´ on legal. precediendo el comienzo del cuerpo del trabajo. No puede usar medidas t´ ecnicas para obstruir o controlar la lectura o copia posterior de las copias que usted haga o distribuya. representada en un formato cuya especificaci´ on est´ a disponible al p´ ublico general. Una copia que no es ”Transparente” es llamada ”Opaca”. Para trabajos en formatos que no tienen Portada como tal. formato de Texinfo. Los formatos Opacos incluyen PostScript. y que usted no adicione ninguna otra condici´ on a las expuestas en en esta Licencia. Copia literal Puede copiar y distribuir el Documento en cualquier medio. Tambi´ en puede prestar copias. como Textos de Portada o Textos de Contra Portada. y la nota de Licencia del Documento exige Textos de Cubierta. debe incluir las copias con cubiertas que lleven en forma clara y legible. Ambas cubiertas deben identificarlo a Usted clara y legiblemente como quien publica tales copias. dise˜ nado para modificaciones humanas. y Textos Posteriores de Cubierta en la Cubierta Posterior. y que sea adecuado para exportar a formateadores de texto o para traducci´ on autom´ atica a una variedad de formatos adecuados para ingresar a formateadores de texto. en la nota que indica que el documento es liberado bajo esta licencia. todos esos textos de Cubierta: Textos Frontales en la cubierta frontal. bajo las mismas condiciones establecidas anteriormente. Las ”Secciones Invariantes” son ciertas Secciones Secundarias cuyos t´ ıtulos son denominados como Secciones Invariantes. y el HTML generado por m´ aquinas producto de alg´ un procesador de palabras solo para prop´ ositos de salida. Una copia ”Transparente” del Documento. Si distribuye un n´ umero suficientemente grande de copias tambi´ en deber´ a seguir las condiciones de la secci´ on 3. sea en forma comercial o no. Copiado en cantidades Si publica copias impresas del Documento que sobrepasen las 100. 2. La ”Portada” en un libro impreso significa. m´ as las p´ aginas siguientes necesarias para mantener la legibilidad del material. comercial. Una copia hecha en un formato de un archivo que no sea Transparente. Paco Villegas 116 . la portada misma. y la nota de licencia que indica que esta Licencia se aplica al Documento se reproduzca en todas las copias. Las copias con cambios limitados en las cubiertas. Adem´ as puede adicionar otro material en la cubierta. PDF. Sin embargo. siempre y cuando esta Licencia. significa una copia para lectura en m´ aquina. La Cubierta Frontal debe mostrar el t´ ıtulo completo con todas las palabras igualmente prominentes y visibles. ´ etica o pol´ ıtica con el tema o la materia del texto. 3. las notas de derecho de autor. en la nota que indica que el documento es liberado bajo esta Licencia. Los ”Textos de Cubierta” son ciertos pasajes cortos de texto que se listan. y puede exhibir copias publicamente.

si hay alguna) de un t´ ıtulo distinto al del Documento. Incluir una copia sin modificaci´ on de esta Licencia. y su t´ ıtulo. C. En adici´ on. o entregar en o con cada copia Opaca una direcci´ on en red de computador publicamente-accesible conteniendo una copia completa Transparente del Documento. Modificaciones Puede copiar y distribuir una Versi´ on Modificada del Documento bajo las condiciones de las secciones 2 y 3 anteriores. sin material adicional. y qui´ en public´ o la Versi´ on Modificada como reza en la Portada. debe colocar los primeros (tantos como sea razonable colocar) en la cubierta real. Si no hay una secci´ on titulada ”Historia” en el Documento. debe incluir una copia Transparente que pueda ser le´ ıda por una m´ aquina con cada copia Opaca. como autores. I. una o m´ as personas o entidades responsables por la autor´ ıa o las modificaciones en la Versi´ on Modificada. Estado en la Portada del nombre de qui´ en publica la Versi´ on Modificada. Listar en la Portada. si hay alguna. D. por lo tanto licenciando la distribuci´ on y modificaci´ on de la Versi´ on Modificada a quienquiera que posea una copia de este. E. siempre que usted libere la Versi´ on Modificada bajo esta misma Licencia. con la Versi´ on Modificada haciendo el rol del Documento. Incluir. Uso en la Portada (y en las cubiertas. Puede usar el mismo t´ ıtulo que versiones anteriores al original siempre que qui´ en public´ o la primera versi´ on lo permita. el a˜ no. B.Estad´ ıstica con Guadalinex-Edu F GFDL Si los textos requeridos para la cubierta son muy voluminosos para que ajusten legiblemente. si hay menos de cinco). que contacte a los autores del Documento antes de redistribuir cualquier gran n´ umero de copias. Paco Villegas 117 . Preservar la secci´ on llamada ”Historia”. una nota de licencia dando el permiso p´ ublico para usar la Versi´ on Modificada bajo los t´ erminos de esta Licencia. Preservar todas las notas de derechos de autor del Documento. como quien publica. G. deber´ a tomar medidas necesarias. a˜ nadiendo adem´ as un art´ ıculo describiendo la Versi´ on Modificada como se estableci´ o en el punto anterior. a la cual el p´ ublico en general de la red pueda acceder a bajar an´ onimamente sin cargo usando protocolos de standard p´ ublico. y de versiones anteriores (que deber´ ıan. crear una estableciendo el t´ ıtulo. y adicionar a esta una secci´ on estableciendo al menos el t´ ıtulo. de la forma mostrada en la Adici´ on (LEGAL)abajo. los autores y quien public´ o el Documento como reza en la Portada. junto con por lo menos cinco de los autores principales del Documento (Todos sus autores principales. Se solicita. immediatamente despu´ es de la nota de derecho de autor. Si usted hace uso de la u ´ltima opci´ on. para permitirle la oportunidad de que le provean una versi´ on del Documento.los nuevos autores. el a˜ no. F. 4. para asegurar que esta copia Transparente permanecer´ a accesible en el sitio por lo menos un a˜ no despu´ es de su u ´ltima distribuci´ on de copias Opacas (directamente o a trav´ es de sus agentes o distribuidores) de esa edici´ on al p´ ublico. Si publica o distribuye copias Opacas del Documento cuya cantidad exceda las 100. cuando comience la distribuci´ on de las copias Opacas en cantidad. estar listados en la secci´ on de Historia del Documento). debe hacer lo siguiente en la Versi´ on Modificada: A. Adicionar una nota de derecho de autor apropiada a sus modificaciones adyacentes a las otras notas de derecho de autor. aunque no es requisito. y continuar el resto en p´ aginas adyacentes. Preservar en esa nota de licencia el listado completo de Secciones Invariantes y en los Textos de las Cubiertas que sean requeridos como se especifique en la nota de Licencia del Documento H.

pero puede reemplazar la anterior. N. si es conocido. Borrar cualquier secci´ on titulada ”Aprobaciones”. Preservar todas las Secciones Invariantes del Documento. Si la Versi´ on Modificada incluye secciones o apendices nuevos o preliminares al pr´ ologo que califican como Secciones Secundarias y contienen material no copiado del Documento. Haga el mismo ajuste a los t´ ıtulos de secci´ on en la lista de Secciones Invariantes en la nota de licencia del trabajo combinado. Tales t´ ıtulos deben ser distintos de cualquier otro t´ ıtulo de secci´ on. en par´ entesis. previamente adicionado por usted o por arreglo hecho por la misma entidad. haga el t´ ıtulo de cada una de estas secciones u ´nico adicion´ andole al final de este. Preservar la localizaci´ on en red. No retitular ninguna secci´ on existente como ”Aprobaciones” o conflictuar con t´ ıtulo con alguna Secci´ on Invariante. N´ umeros de secci´ on o el equivalente no son considerados parte de los t´ ıtulos de la secci´ on. sin alterar su texto ni sus t´ ıtulos. Se puede omitir la ubicaci´ on en red para un trabajo que sea publicado por lo menos 4 a˜ nos antes que el mismo Documento. observaciones de peritos o que el texto ha sido aprobado por una organizaci´ on como un standard. Puede adicionar una secci´ on titulada ”Aprobaciones”. Si hay m´ ultiples Secciones Invariantes con el mismo nombre pero con contenidos diferentes. Puede adicionar un pasaje de hasta cinco palabras como un Texto de Cubierta Frontal. Para hacerlo. sin modificar. adicione sus t´ ıtulos a la lista de Secciones Invariantes en la nota de licencia de la Versi´ on Modificada. 5. Si el Documento ya incluye un texto de cubierta para la misma cubierta. el nombre del autor o de quien public´ o originalmente esa secci´ on. Combinando documentos Puede combinar el Documento con otros documentos liberados bajo esta Licencia. Borrar cualquier secci´ on titulada ”Aprobaciones”. Solamente un pasaje de Texto de Cubierta Frontal y un Texto de Cubierta Posterior puede ser adicionado por (o a manera de arreglos hechos por) una entidad. si hay . con permiso expl´ ıcito de quien public´ o anteriormente tal cubierta. K. bajo los t´ erminos definidos en la secci´ on 4 anterior para versiones modificadas. El trabajo combinado necesita contener solamente una copia de esta Licencia. o si quien publica originalmente la versi´ on da permiso expl´ ıcitamente. puede opcionalmente designar algunas o todas esas secciones como invariantes. o si no.Estad´ ıstica con Guadalinex-Edu F GFDL J. al final de la lista de Textos de Cubierta en la Versi´ on Modificada. En cualquier secci´ on titulada ”Agradecimientos” o ”Dedicatorias”. preservar el t´ ıtulo de la secci´ on. Tales secciones no pueden estar incluidas en las Versiones Modificadas. y preservar en la secci´ on toda la sustancia y el tono de los agradeimientos y/o dedicatorias de cada contribuyente que est´ en inclu´ ıdas. M. siempre que contenga unicamente aprobaciones de su Versi´ on Modificada por varias fuentes–por ejemplo. El(los) autor(es) y quien(es) publica(n) el Documento no dan con esta Licencia permiso para usar sus nombres para publicidad o para asegurar o implicar aprobaci´ on de cualquier Versi´ on Modificada. dada en la Documentaci´ on para acceder p´ ublicamente a una copia Transparente del Documento. a nombre de la cual est´ a actuando. un n´ umero u ´nico. y un pasaje de hasta 25 palabras como un texto de Cubierta Posterior. y m´ ultiples Seccions Invariantes Id´ enticas pueden ser reemplazadas por una sola copia. M. Estas pueden ubicarse en la secci´ on ”Historia”. no puede adicionar otra. Tales secciones no pueden estar incluidas en las Versiones Modificadas. siempre que incluya en la combinaci´ on todas las Secciones Invariantes de todos los documentos originales. tanto como las otras direcciones de red dadas en el Documento para versiones anteriores en las cu´ ales estuviese basado. y listadas todas como Secciones Invariantes del trabajo combinado en su nota de licencia. Paco Villegas 118 . L.

7. y ser´ an autom´ aticamente terminados sus derechos bajo esa licencia. sublicenciamiento o distribuci´ on del Documento es nulo. Reemplazar las Secciones Invariantes con traducciones requiere permiso especial de los due˜ nos de derecho de autor. Puede extraer un solo documento de una de tales colecciones. Colecciones de documentos Puede hacer una colecci´ on consistente del Documento y otros documentos liberados bajo esta Licencia. As´ ı que puede distribuir traducciones del Documento bajo los t´ erminos de la secci´ on 4. siempre que siga las reglas de esta Licencia para una copia literal de cada uno de los documentos en cualquiera de todos los aspectos. Debe borrar todas las secciones tituladas ”Aprobaciones. teniendo en cuenta que ninguna compilaci´ on de derechos de autor sea clamada por la recopilaci´ on. y esta Licencia no aplica a los otros trabajos auto-contenidos y por lo tanto compilados con el Documento. y distribuirlo individualmente bajo esta Licencia. De otra forma deben aparecer en cubiertas enmarcando todo el agregado. Cualquier otro intento de copia. no como un todo. Tal recopilaci´ on es llamada un ”agregado”. los terceros que hayan recibido copias. y cualquier secci´ on titulada ”Dedicatorias”. o derechos. de su parte bajo esta Licencia no tendr´ an por terminadas sus licencias siempre que tales personas o entidades se encuentren en total conformidad con la licencia original. la versi´ on original en Ingl´ es prevalecer´ a. siempre que inserte una copia de esta Licencia en el documento extraido. Agregaci´ on con trabajos independientes Una recopilaci´ on del Documento o de sus derivados con otros documentos o trabajos separados o independientes. en cualquier tipo de distribuci´ on o medio de almacenamiento. Traducci´ on La Traducci´ on es considerada como una clase de modificaci´ on. En caso de un desacuerdo entre la traducci´ on y la versi´ on original en Ingl´ es de esta Licencia.” 6. y siga esta Licencia en todos los otros aspectos concernientes a la copia literal de tal documento. sublicenciar. de la misma forma combine cualquier seci´ on titulada ”Agradecimientos”. o a cuenta de haber sido compilados. si no son ellos mismos trabajos derivados del Documento. Puede incluir una traducci´ on de esta Licencia siempre que incluya tambi´ en la versi´ on Inglesa de esta Licencia. entonces si el Documento es menor que un cuarto del agregado entero. modificaci´ on. 9. 8.Estad´ ıstica con Guadalinex-Edu F GFDL En la combinaci´ on. modificar. formando una secci´ on titulada ”Historia”. Los Textos de la Cubierta del Documento pueden ser colocados en cubiertas que enmarquen solamente el Documento entre el agregado. y reemplazar las copias individuales de esta Licencia en los varios documentos con una sola copia que est´ e incluida en la colecci´ on. debe combinar cualquier secci´ on titulada ”Historia” de los varios documentos originales. pero puede incluir traducciones de algunas o todas las Secciones Invariantes adicionalmente a las versiones originales de las Secciones Invariantes. o distribuir el Documento excepto por lo permitido expresamente bajo esta Licencia. cuenta como una Versi´ on Modificada del Documento. Terminaci´ on No se puede copiar. Paco Villegas 119 . Si el requerimiento de la secci´ on 3 del Texto de la Cubierta es aplicable a estas copias del Documento. De todas maneras.

org/copyleft/. tiene la opci´ on de seguir los t´ erminos y condiciones de la versi´ on especificada o cualquiera posterior que ha sido publicada(no como un borrador)por la Free Software Foundation. Vea http://www. pero pueden diferir en detalles para solucionar problemas o intereses. Tales nuevas versiones ser´ an similares en esp´ ıritu a la presente versi´ on. revisadas versiones de la Licencia de Documentaci´ on Libre GNU de tiempo en tiempo.Estad´ ıstica con Guadalinex-Edu F GFDL 10 Futuras revisiones de esta licencia La Free Software Foundation puede publicar nuevas. Cada versi´ on de la Licencia tiene un n´ umero de versi´ on que la distingue. puede escoger cualquier versi´ on que haya sido publicada(no como un borrador) por la Free Software Foundation. Paco Villegas 120 . Si el Documento especifica que una versi´ on numerada particularmente de esta licencia o ”cualquier versi´ on posterior” se aplica a esta.gnu. Si el Documento no especifica un n´ umero de versi´ on de esta Licencia.