Hero Image
分散措施

离散度测量是基础,因为与数学不同,统计学使用随机变量。例如,大媒体使用确定性值,例如候选人 A 具有 45%,B 具有 30%。数学方面,A显然领先,但统计方面,我不知道。今天,当他们谈论“误差幅度”时,他们以统计方式呈现它。如果“误差幅度”为 15%,则两者在技术上是平局的。 色散测量 作为动力,考虑两条一体式生产线。平均单件长度测量值为 100 厘米,两条生产线生产的单件平均长度接近该值。在这种情况下,我们是否认为两条生产线生产的零件都合适? 生产线之间的分散越小,生产线就越精确(就位置而言)和越可靠。更具体地说,我们有更好的机会实现目标。 **定义(离散度的度量):**是代表一系列数据的统计数据,指导我们了解数据分布的离散度(变化、可变性)。 最重要的分散措施是: 振幅; 方差; 标准差; 变异系数。 振幅 幅度是最基本的色散度量,并且由于计算简单而应用于大多数应用。在日常生活中,音频平台经常使用振幅作为概念。 **定义(振幅):**是数据集中的最大值和最小值之间的差值。 $$\\{\text{menor valor}, \dots, \text{maior valor}\\}$$$$X_{(1)} \leq X_{(2)} \leq X_{(3)} \leq \dots \leq X_{(n−1)} \leq X_{(n)}$$数据的幅度 R 由下式给出: $$R = X_{(n)}−X_{(1)}$$ **注意:**以下是一些重要的符号: 当索引位于括号中时,表示数字是有序的。 $X_{(1)}$ 是最小值 $X_{1}$不一定是最小值 从不等式的概念我们可以得到$X_{(1)} \leq X_{(2)}$: $X_{(1)}$ 小于或等于 $X_{(2)}$ $X_{(1)} \leq X_{(2)} \leq X_{(3)} \leq \dots \leq X_{(n−1)} \leq X_{(n)}$ 按从小到大的顺序排列。 幅度由符号$R$给出,它来自英国范围。 青蛙跳示例(幅度) 为青蛙跳跃的高度,测量值如下:

Hero Image
位置测量

描述性统计是总结和描述所有信息的数字。在这种情况下,数据集或简单的数据。但。这些信息将取决于我们评估的内容,例如总体或样本,如上一篇文章所述。 入门 这篇文章的中心主题只是“描述”数据。因此,它们并不代表样本相对于总体的更具体的结论。 用于将结论从样本扩展到总体的技术是统计推断,这是一个对儿童来说没有意义的话题。本科生统计学课程是最合适的地方。 位置测量 所描述的度量值可以通过统计来表达。因此,我们不将其称为描述性位置度量值,而是简单地将其称为描述性位置统计。 **定义(位置度量):**是代表一系列数据的统计量,指导我们了解数据分布的位置。 最重要的位置测量是: 算术平均数 中位数和 时尚。 平均的 首先描述的位置测量是平均值,广泛应用于各个知识领域。例如,小学教师使用这种职位衡量标准来给学生评分。 平均值有两种类型: 总体平均:是对所有总体信息的位置值的计算。 样本均值:是样本中所有信息的位置值的计算。 当我们通过概率分布对总体进行建模时。总体平均值称为参数。 **定义(参数):**涉及人口的描述性度量。 示例: 人口平均值。 **定义(估计器):**涉及样本的描述性测量。 示例: 样本均值。 **定义(估计):**涉及样本的描述性度量的值。 示例: 10 测量值的样本平均值等于 5。因此,样本均值的估计值为5。 人口平均数 总体平均值是通过将所有总体值相加并将结果除以总体中的元素总数来计算的。在 N 个元素的总体中,总体平均值由下式给出: $$\mu=\dfrac{x_1+\ldots+x_N}{N}$$ 在哪里: ​ **N:**人口规模或人口元素数量; $\mu$:参数指总体平均值; $x_1, \dots, x_N$:人口要素。 **注:**参数一般用希腊字母给出,平均值则用希腊字母$\mu$给出。 示例(人口平均值) 不失一般性,假设巴西人口的质量测量值为 80 kg。 $$\mu=\dfrac{40+ 120+ 86 + 31+ \ldots + 94}{220 \text{ milhões} }= 80$$样本均值 当我们将样本观测值相加并将结果除以样本值的数量时,就得到了样本平均值、算术平均值或简称平均值。因此,样本均值由下式给出: $$\overline{X}=\dfrac{x_1+\ldots+x_n}{n}$$ 在哪里: ​ **n:**样本大小或样本元素数量; $\overline{X}$:参考样本均值的估计量; $x_1, \dots, x_n$:样本元素。 ​ 儿童身高示例(样本平均值) 测量了身高的 5 名儿童样本。

Hero Image
统计学的基本概念

数学涉及确定性值,这意味着如果 x 等于 10,则它是 10,仅此而已。统计数据使用随机变量。例如,如果您连续几天测量同一项目,测量结果将不相同。许多因素会影响日常测量,例如您的体温、环境、测量仪器等。 总体和样本概念 在统计学中,一些概念对于理解这门在日常生活中广泛使用的科学是什么至关重要。下面我们介绍其中两个: 总体: 一组元素,至少具有一个共同特征。这一特征正确地定义了总体的组成部分。 **样本:**总体元素的子集,代表研究总体的感兴趣特征。 问题 在统计学中,为了客观,管理问题或统计研究应用的动机是必要的。 下一步是从哪里提取此信息。通常会进行实验或者该信息已经存在于某个地方,例如数据库。 数据收集 重要的一点是收集这些信息的质量。数据收集过程中可能会出现一些问题,这可能会严重影响所提出的解决方案。我们可以通过观察以下事实来防止某些问题的发生: 在没有明确定义问题或情况之前,不应收集数据。 测量系统必须经过评估并具有足够的测量能力; 计算和读数必须非常仔细,以避免失真; 基本分析流程 接下来,我们介绍统计分析流程。 数据分类 数据分类的摘要如下所示: 这样,我们将定义它们中的每一个。 定性数据 定性数据代表质量特征。例如,我们可以将产品分为: 好的, 合理或 坏的。 定性数据可以分为两类: 标称定性数据: 特征的顺序并不重要; 示例: 一群人的性别: 男性 女性化 有序定性数据: 特征的顺序很重要。 **示例:**一群人的教育水平对于评估信息很重要,他们是: 基础教育 中学 不完整的高等教育 完成高等教育 研究生 定量数据 在这种情况下,观察到的特征呈现的数值可以分为“离散”或“连续”。 **离散定量数据:**离散定量数据采用一组指定数字内的值。在数学世界中,自然数。 **示例:**一台机器在给定时间内生产的产品数量可以是 $\mathbb{N} = \\{0,1,2,3,4,\dots\\}$ **连续定量数据:**连续定量数据取连续数字范围内的值。在数学世界中,实数。 一般来说,此类数据来自零件或产品质量特性的测量。 示例当我们测量零件轴的直径时,我们获得连续的定量数据。 这是统计概念的一个小介绍,等待下一篇文章。

Hero Image
功能概念

对应律是函数主体的现代定义。此外,定义域和图像的概念也很重要,这在函数介绍文章中已经在 René Descartes 的愿景下进行了解释。 向伯努利家族致敬 数学史上没有一个家族像伯努利家族一样产生了如此多的著名数学家。这个家庭最初来自西属尼德兰,为逃离战争而于 1583 移民到瑞士巴塞尔。家族中约有十几名成员在数学和物理方面享有盛誉,其中四人被选为成员 法国科学院的外国人。 第一个擅长数学的伯努利是雅克和让,分别是尼古拉斯的第五个和第十个孩子。这与下图: 雅克经常出差去会见来自其他国家的科学家。他因对无穷小的研究、在《Acta Eruditorum》(学者笔记)杂志上发表的有关函数最大值和最小值的文章以及对无穷级数的研究而闻名 其中出现了著名的“伯努利不等式”结果。 雅克对曲线非常着迷,他研究了其中的几种曲线:半三次抛物线、双纽线、悬链线、等时线和对数螺旋线等。 让和雅克兄弟与莱布尼茨保持着密切的通信,因为他们都在同一本杂志《Acta Eruditorum》(学者笔记)上发表文章。雅克还是经典著作《猜想的艺术》的作者,该书被认为是最古老的概率著作。 Jean 是 Nicolas、Daniel 和 Jean 11 的父亲。 尼古拉斯是圣彼得堡的数学教授,丹尼尔和让二世是巴塞尔的教授。另一个伯努利。尼古拉二世是这三人的表弟,曾在帕多瓦占据伽利略的位置一段时间。 在年轻一代中,丹尼尔在流体力学和概率论方面的成果最为突出。 18 世纪,还有其他伯努利在数学方面取得了证据,名副其实。 动机 例如,让我们考虑一下集合 $$A = \\{0, 1, 2, 3\\} \text{ e } B = \\{-1, 0, 1, 2, 3\\}$$ 以及从 A 到 B 的以下二元关系: 二进制比率 1 设二元关系为: $$\mathcal{R}_1 = \\{(x, y) \in A \times B \text{ tal que } y=x+1\\}$$通过 $A = \\{0, 1, 2, 3\\}$ 和 $B = \\{-1, 0, 1, 2, 3\\}$,我们有解决方案:

Hero Image
了解关系

关系的概念是实数函数概念的起点。此外,还有有序对、笛卡尔积和笛卡尔平面本身的概念。对这一概念做出贡献的主要数学家之一是朱利叶斯·威廉·理查·戴德金。 向戴德金致敬 今天我们的获奖者是朱利叶斯·威廉·里查·戴德金。他是来自德国布伦瑞克的一个路德教家庭的四个孩子之一。 19 岁时,他在哥廷根攻读博士学位,并于 22 完成了博士学位。作为狄利克雷的学生,他在不伦瑞克教授中学教育,直到生命的最后几年。他非常关心函数和数字的本质。就这样,他从1858教微积分时起,就一直专注于无理数问题。 订购对 **定义:**有序对是由坐标对$(x,y)$分别与坐标$x$和$y$形成的两个数字。 从集合相等的概念来看,我们观察到颠倒元素的顺序不会产生新的对: $\\{1,2\\} = \\{2, 1\\},$ $\\{3, -1\\} = \\{-1, 3\\}$ $\\{a, b\\} = \\{b, a\\}.$ 在数学中,有些情况需要区分两个 按元素顺序配对。 例如,在方程组中: $$ \begin{cases} x + y = 3 \\ x - y = 1 \\ \end{cases} $$ 在这种情况下,$x = 2$和$y = 1$是该方程组的解。然而,对于 $x = 1$ 和 $y = 2$ 这不是一个解决方案。 在集合中,解决方案是: $\\{2, l\\}$ 将是一个解决方案 $\\{1, 2\\}$ 不是一个解决方案。 这是矛盾的,因为$\\{2, 1\\} = \\{1, 2\\}$,同一个集合既不是解,又不是解。 因此,我们说解是有序对 $(2, 1)$,其中可以理解:

Hero Image
函授法

对应律是函数主体的现代定义。此外,定义域和图像的概念也很重要,这在函数介绍文章中已经在 René Descartes 的愿景下进行了解释。 向亚伯致敬 尼尔斯·亨里克·阿贝尔出身于一个贫穷的大家庭,是挪威芬多小村庄牧羊人的儿子。在17岁时,他的老师坚持让他阅读伟大的数学著作,包括高斯的《Disquisitiones》(研究)。此时,阿贝尔成功地推广了欧拉仅证明有理幂的二项式定理。 在 18 岁时,他失去了父亲,随着他的成长,他的责任也变得更大 给他的家人,但他仍然继续研究。在1824中,他发表文章证明,如果一个方程的次数大于四,则不存在根据其系数求根的通用公式。这是困扰数学家很长时间的一个疑问,现在已经得到解决。 尼尔斯·亨里克·阿贝尔 克莉丝汀·坎普(克雷利饰演) 它的名字也与阿贝尔群或交换群和一些群有关 他们的研究结果发表在《Jornal de Crelle》杂志上。这个主题非常复杂,不适合儿童读物。如果您好奇,有一本关于数学史的书,其中介绍了阿贝尔群。 在1826中,阿贝尔拜访了巴黎的勒让德和柯西,试图展示他的发现,但没有成功。他在给朋友的一封信中写道: “每个初学者都发现在这里很难引起注意。我完成了一篇关于某些超越函数类别的广泛论文,但柯西先生并没有屈尊看它” 阿贝尔希望在某所大学获得教职等 这使得他与柯西的记忆有待检验,但他很快就失去了它们,并且被遗忘了。 由于缺乏资源,他在 26 岁时死于肺结核,留下 在代数和数论方面取得了深刻而重要的成果。 他去世两天后,终于收到了一封信,通知他已经发生了 被任命为柏林大学教授。 在 1830,柯西发现了阿贝尔的手稿,该手稿发表于 1841 由法国研究所将勒让德分类为: “一座比青铜更坚固的纪念碑” 它包含关于椭圆函数的重要概括。 函授法 对应律是一个开放句,表达了这一规律,由下式给出: $$y=f(x)$$由欧拉在1734处标记,其中这句话定义为: **定义(对应律):**给定 $x\in A$,我们确定 $y\in B$,使得有序对 $(x,y)\in f$ 为 $$y=f(x)$$ 对应法示例 示例 1: 给定集合 $A = \\{0, 1, 2, 3\\}$ 和 $B = \\{1, 2, 3, 4\\}$ 以及开放句 $y = x+1$,可以考虑以下函数: $$f = \\{(0, 1), (1, 2), (2, 3), (3,4)\\}$$ 从$A$到$B,$,其对$(x, y)$验证了定律$y = x + 1$。

Hero Image
函数论导论

函数是数学中最重要的学科之一。勒内·笛卡尔(René Descartes)是笛卡尔平面研究的先驱,他将其定义为听和说的行为。结果,正是因为耳朵,该函数的第一次使用才用括号表示。 方法论(Discours de la Methode) 我们要如何开始演讲呢? 根据莱布尼茨和欧拉的说法: 创造意味着改变现有事物; 上帝创造了一切和每个人。 这样,他就能以最佳状态完成他的工作。 如果答案是肯定的,那么自然(物理学)的任何元素都提供了推理(方法)。 函数(Functus) 源自拉丁语 functus(函数)来自动词 fungor 的过去分词,它源自 fungi,可以解释为: 开展活动。 谈论发生了什么。 或履行职责的行为。 defunctus这个词是一个不再执行说话功能的词。在葡萄牙语中,死亡者是指已故的人或失去重要功能的人。 functus 这个词在 1968 年的数学中使用,出现在 戈特弗里德·威廉·莱布尼兹 和 让·伯努利 的信件中。 Leonhard Euler,在 1734 杂志中评论 Petropol。安妮用 $$f(x)$$ 标记了一个函数 其中 “ \(f(x)\) 表示函数 quamcunque ipsus x ” “ \(f(x)\) 表示任意 x ” 的函数 Cogito Ergo Sum(我思故我存在)的表示 如前所述,听和说的行为代表了我们今天所说的功能。这样,René Discards 使用了耳朵作为符号。 说出你听到的两倍的功能 将听到的内容说两遍; 我们可以观察到符号学(耳朵的符号活跃语言)。 符号和语义表示 $$f = 2~(~)$$ 图形表示 Máthema(数学)graphfiko’s(图表) $$f = (~) - 2$$ $$f = [(~) - 1] ~~ [(~) - 3] $$ Cogito Erog Sum 变形为 functus X dominus 是人脑的代表,它可以通过推理(方法), 理解上帝完美的创造(exactus): 简单地解码(máthema)自然(phýsis)的特征(gráphiko’s)。

Hero Image
图表操作

维恩欧拉图对于集合的可视化表示很有用。在 OBMEP 2022 中,使用这个理论出现了一个问题。在这篇文章中,我们将使用这些图来描述操作。 集合的并集 集合并集是集合上最常用的运算之一。它将是集合运算的起点,定义为: 定义(集合并集) 给定两个集合 $A$ 和 $B,$,这些集合的并集由属于 $A$ 或 $B$ ($A\cup B$) 的所有元素形成。用代数术语来说,我们可以写: $$A\cup B = \\{x;~x\in A ~\text{ ou } x\in B\\}$$ 集合并集中的情况 不相交集 具有交集的集合 链式套装 集合的交集 集合交集是另一种运算,常用于集合。它的定义为: 定义(集合的交集) 给定两个集合 $A$ 和 $B,$,这些集合的交集由同时属于 $A$ 和 $B$ 的所有元素 ($A\cap B$) 形成。用代数术语来说,我们可以写: $$A\cap B = \\{x;~x\in A ~\text{ e } x\in B\\}$$ 集合交集的情况 空路口 $(A\cap B = \emptyset = \\{~~\\})$ 具有交集 $(A\cap B = C)$ 的集合 子集 $(A\cap B = B)$ 交叉路口应用 (OBMEP 2022 - 级别 1 - 问题 6) OBMEP 第一阶段包括三个测试,级别为 1、2 和 3(N1、N2、N3),每个测试包含 20 个问题。 在这些测试中: 三个级别共有的三个问题 两个仅对级别 1 和 2 通用,并且 另外两个仅在级别 2 和 3 中通用。 其他问题仅出现在其中一项测试中。 OBMEP 第一阶段的三个测试中出现了多少种不同的问题?

Hero Image
集合之间的等价

在之前的文章中,我们讨论了如何表示、相关性概念并介绍了一些重要的集合。在这里,我们要讨论两个集合之间的等价和相等。 集合的相等性 首先,让我们定义两个集合的相等性。 定义(两个集合相等):如果两个集合具有完全相同的元素,则它们相等。 示例 1: 让集合 $A$ 和 $B$ 具有相同的元素: $$A = \\{\text{inteiros múltiplos de } 2\\}$$ $$B = \\{2n; ~k\in \mathbb{Z}\\}$$ **符号:**我们将两个相等的集合$X$和$Y$写为$X=Y.$ 不同的套装 **符号:**我们将两个不同的集合$X$和$Y$写为$X\neq Y.$ 示例 2: 设集合为 $A$ 和 $B$: $X=\\{1,2,3\\}$ $Y=\\{1,2\\}$ 在本例中为 $X\neq Y,$,因为 $X$ 有一个元素 ($3$),该元素不属于 $Y$。 集合的等价性 在讨论等价之前,我们必须记住一对一对应的定义。 **定义(一对一对应):**是给定具有相同数量公共元素的集合的表达式。 这样,我们就可以定义两个集合的等价性。 **定义(两个集合的等价):**如果两个集合的元素可以一一对应,则它们是等价的。更具体地说,如果我们可以将其中一个集合的每个元素与另一个集合的单个元素相关联,反之亦然。因此,第一组中的不同元素与第二组中的不同元素相关联。 **注意:**注意两个相等的集合是等价的,但是 两个等价集合不一定相等。 要理解集合等价的概念,请看示例: 示例 3: 设集合为 $A$ 和 $B$: $$C = \\{a, b, c, d, e\\} \text{ e } D = \\{1, 2, 3, 4, 5\\}$$ 是等价的。事实上,其元素之间可能的一一对应关系是:

Hero Image
统计学概论

统计学是数学应用最广泛的领域之一,在日常生活中有着更多的用途。几个世纪以来,它被人们无意识地用作仅仅是描述性的字符和事件的记录。 第一个用途 第一个活动发生在公元前 2000 左右,用于中国农业人口普查。 19世纪初,伟大的数学家登场,例如法国人西蒙·拉普拉斯和德国人卡尔·弗里德里希·高斯(1777-1855)。后者是随着“正态分布”应用于测量误差建模而出现的。 比利时天文学家和数学家 Adolphe Quételet (1796 – 1874) 在对人口的几个特征进行统计研究时使用了正态分布理论: 高度, 重量, 出生, 死亡, 月收入 除其他外。 罗纳德·艾尔默·费希尔(Ronald Aylmer Fisher,1890 – 1962),英国统计学家,是现代统计学理论的创造者。 费舍尔将他在统计学中获得的结果作为应用于遗传学研究的工具,如今他被认为是统计理论和统计学应用于生物学领域的最著名的人物之一。 目前使用情况 骰子一词来自博弈论,在某些类型的游戏中使用骰子。这些信息的收集作为数据载入史册。 在统计学中,有一些数据分析的基本要素。分析这些信息的起点称为描述性统计。描述性统计用于组织、总结和描述数据的行为。 描述性统计中使用的描述性工具采用图表和表格的形式。这些表格描述了汇总措施,例如: 位置测量, 分散措施。 这次选举是立场衡量(选票百分比)和分散衡量(“误差”范围)的一个例子,在统计学中我们称之为置信区间。 每当我们总结一组数据时,当我们浓缩原始观察结果时,我们就会丢失有关它的信息。然而,与所提供的清晰解释所带来的收益相比,这种信息损失很小。 可变性 统计学利用数据中存在的变异性。目标是获取有关流程和产品行为的信息。 变化无处不在,就像停在车库里的汽车的位置在几天内并不相同。 在这种情况下,汽车的位置会发生变化。我们的策略包括评估变化并通过它们获取信息。 这是一个小介绍,等待下一篇文章。