MakarovSuites
Español
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Contacto y licencias

Math

Por qué aparece la campana

Suma extracciones de cualquier forma (un dado, una moneda trucada, dos jorobas, la larga cola de un tiempo de espera) y la suma estandarizada se convierte en la misma campana. Una muestra se reúne ante tus ojos y se convierte en un punto de la serie de al lado; la suma, la media y la suma estandarizada son tres nombres de ese punto. Los cumulantes de una suma se suman, así que la asimetría cae como 1/√n y el exceso de curtosis como 1/n, y la hoja mide ambos. Y una fuente lo rompe: una Cauchy no tiene varianza y nunca aparece la campana.

Por qué aparece la campana — Imagen real de la aplicación
Imagen real de la aplicación

Qué ocurre

Suma muchas piezas pequeñas e independientes y la suma cae sobre la misma campana sean cuales sean las piezas: ese es el teorema central del límite, y este módulo lo muestra ocurrir y mide con qué rapidez. La asimetría de la suma muere como 1/√n, la curtosis como 1/n: la suma de una moneda es acampanada a la docena de tiradas, la cola torcida de una exponencial necesita muchas más. La distribución exacta de la suma se construye por convolución y se compara con una muestreada y con la normal. Elige una fuente, sube n y mira el histograma enderezarse mientras la distancia de Kolmogorov cae.

Ecuaciones del módulo
Ecuaciones
Z = (X₁ + … + X_n − nμ) / (σ√n)
κ_k(Z) = κ_k(X) / (σ^k n^{k/2−1}):  asimetría ∝ 1/√n, exceso de curtosis ∝ 1/n
uniforme: γ₂ = −6/5;  exponencial: γ₁ = 2, γ₂ = 6
distancia de Kolmogorov a la normal, función de masa de probabilidad exacta por convolución

Otros experimentos

Volver al catálogo
La media se asienta, el recuento no — Imagen real de la aplicación

Math

La media se asienta, el recuento no

Una cadena que se puede leer (resultado, suma, media) y dos gráficos sobre un mismo eje log n con un solo cursor: la desviación de la media entra en un embudo de ±2σ/√n, mientras que el exceso S_n − nμ crece como √n y nunca se asienta. Predice primero si el exceso también tiende a cero y luego deja crecer la serie; seis series más en las mismas condiciones están al lado. Una racha forzada la olvida la media y la guarda el recuento; para la moneda los números son exactos por la binomial; y una fuente de Cauchy, sin media, no se asienta nunca.

Noventa y cinco veces de cada cien — Imagen real de la aplicación

Math

Noventa y cinco veces de cada cien

Examina los datos de un intervalo de confianza. Repite el experimento y compara cobertura y anchura de los métodos con las mismas muestras.

El valor p, y cómo engañarse con él — Imagen real de la aplicación

Math

El valor p, y cómo engañarse con él

Dos mil experimentos preguntan si una media es cero; se cuenta la fracción que rechaza con α = 0,05. Sin efecto es el 5 % - la tasa de error de tipo I - y los valores p son uniformes. Con efecto es la potencia, que sube con el efecto y con n: media σ se encuentra el 32 % de las veces con diez observaciones y el 82 % con treinta y cuatro. Mira los datos cada cinco observaciones y para cuando p baje de 0,05, y la tasa de falsos positivos es un cuarto. Todo se cuenta; la curva de Student sale del código.