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)