def estimado(numero_intentos, numero_agujas):
intentos = []
for _ in range(numero_intentos):
pi = arrojar_agujas(numero_agujas)
intentos.append(pi)
mu = round(media(intentos), 5)
sigma = round(desviacion_estandar(intentos), 5)
print(f' la media es {mu} con una desviación estándar de {sigma}')
return (mu, sigma)
def statistics(numero_de_tiros):
tiros = tirar_dado(numero_de_tiros)
media_tiros = media(tiros)
sigma = desviacion_estandar(tiros)
return (media_tiros, sigma)
def estimacion(numero_de_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = aventar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(f'Est={round(media_estimados, 5)}, sigma={round(sigma, 5)}, agujas={numero_de_agujas}')
return (media_estimados, sigma)
def estimacion(numero_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = aventar_agujas(numero_agujas)
estimados.append(estimacion_pi)
media_estimado = media(estimados)
sigma = desviacion_estandar(estimados)
print(' ' * 20)
print(
f' Estimado= {round(media_estimado, 5)},Signma= {round(sigma,5)}, Agujas totales= {numero_agujas} '
)
return (media_estimado, sigma)
def estimacion(numero_de_agujas, numero_de_intentos):
'''Función que sirve para estimar la media y la desviacion estandar de los numeros de intentos.
- El bucle sirve para agregar cada estimación de pi.
- return tupla: (media_estimados, sigma)
'''
estimados = []
for _ in range(numero_de_intentos):
estimacion_de_py = arrojar_agujas(numero_de_agujas)
estimados.append(estimacion_de_py)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(f'Media de estimados = {round(media_estimados, 5)}, Desviación estandar = {round(sigma, 5)}, Agujas = {numero_de_agujas}')
return (media_estimados, sigma)
def main(numero_de_tiros, numero_de_intentos):
X = [
] #Almacenaremos los resultados de las veces que corramos la simulacion
for _ in range(numero_de_intentos):
secuencia_de_tiros = tirar_dado(numero_de_tiros)
# print(secuencia_de_tiros)
X.append(media(
secuencia_de_tiros)) #Añadimos la secuencia al arreglod e tiros
# print(X)
counter = dict(collections.Counter(X))
# print(counter)
x = list(
counter.keys()) #Para X iran las letras es decir, sigma1 sigma 2 etc
y = list(counter.values()) #Para Y iran los valores de las medias
graficar(x, y)
# -*- coding: utf-8 -*-
"""
Created on Wed Jun 19 06:33:16 2013
@author: daniel
"""
#programa: utiliza_modulo_estadisticas.py
#importa funciones del modulo <estadisticas>
from estadisticas import media, varianza, desviacion_tipica
#data input
notas = []
nota = 0
while (0 <= nota <= 10):
nota = float(raw_input('Dame una nota (entre 0 y 10): '))
if 0 <= nota <= 10:
notas.append(nota)
#output
print
print 'Notas: ', notas
print
print 'Media: %16.2f' %media(notas)
print 'Varianza: %13.2f' %varianza(notas)
print 'Desviacion Tipica: %2.2f' %desviacion_tipica(notas)
dices_puntuation = dice1 + dice2
all_throws.append(dices_puntuation)
return sum(all_throws) / len(all_throws)
if __name__ == '__main__':
output_file("normal_distribution.html")
simulation_times = range(20)
mean_throws = []
for _ in simulation_times:
simulation = dices_throws_simulation()
mean_throws.append(simulation)
x_mean = estadisticas.media(mean_throws)
standard_desviation = []
for i in simulation_times:
standard_desviation.append(mean_throws[i] / x_mean)
range_bar_chart = [round(i*0.1, 2) for i in range(20)]
len_bar = len(range_bar_chart)
bar_cuantity = []
for i in range(len_bar):
bar_proportion = 0
for mean in standard_desviation:
if range_bar_chart[i] == range_bar_chart[-1]:
if mean > range_bar_chart[i]:
from estadisticas import media, desviacion_tipica
notas = []
nota = 0
while not (0 <= nota <= 10):
nota = float(raw_input('Dame una nota (entre 0 y 10): '))
if 0 <= nota <= 10:
notas.append(nota)
print 'Media:', media(notas)
print 'Desviacion típica:', desviacion_tipica(notas)
