#7 La conclusion de una frecuencia de aproximadamente 1 en 216 mil millones
solo es valida si la distribucion es normal. Una distirbucion normal es la famosa campana de Gauss.
En una distribucion normal los valores mas frecuentes son los cercanos a la media. Si te fijas entre 1940-1940 los valores mas frecuentes estan a +1 desviacion o -1 desviacion. De forma seguida ademas. No siguen una distribucion normal.
Por tanto, si no sigue una distirbucion normal no se puede sacar la conclusion de que esto pasa 1 entre 216 millones de veces.
#8 Estás diciendo lo mismo que este hombre, sin darte cuenta. La anomalía de temperatura anual debería seguir una distribución normal, si no lo hace (se desvía de esa distribución normal), es precisamente porque el cambio climático está haciendo que la temperatura media anual aumente año tras año.
#29
En una distribucion normal cual es la probabilidad de que en 15 años este por encima de la media y en los siguientes 20 por debajo?
Incluye que ademas estan entre 1 y 2 sigmas.
A ojimetro no, no es una distribución normal.
Eres libre de proporcionar el estudio que demuestra que si lo es. Yo viendo la gráfica tengo claro que no lo es.
De paso me explicas como se aplica el teorema central del limite en una muestra no aleatoria.
#8 Ahora es cuando nos muestras el estudio de normalidad de esa distribución, por ejemplo una prueba de Anderson-Darling, demostrando empíricamente que no es una distribución normal.
Porque, en mi barrio, el ojímetro no es prueba válida para medir con precisión.
Y, por cierto, yo veo bastantes valores cercanos a la media: 1942, 1946, 1948, 1953, 1954, 1959, 1960, 1964, 1965, 1968, 1975 y 1979.
Y, luego entramos en el Teorema Central del Límite, donde podemos modelar la medida de este año como la media de un conjunto de medidas escogidas al azar de años anteriores. La distribución de esa media de medidas es bastante normal por el teorema, y de ahí podemos buscar cuantas desviaciones típicas tiene el valor medido con respecto a la distribución de medias.
#30 Estas troleando no? No te das cuentas que primero, nadie dice que la distribución de temperaturas de ese periodo sea una distribución normal (precisamente probando la existencia del cambio cliImatico que dices no negar, ya no teneis huevos o vergüenza a negarlo). A ver si con una analogía dejas de mirar al dedo aunque sospecho el troleo:
imagina que eres el médico de un paciente y has medido su temperatura corporal cada día durante 50 años. Sabes que su temperatura normal fluctúa entre 36.5°C y 37.5°C (este es tu período de referencia, tu "baseline"). Calculas que la desviación estándar (σ) de esas fluctuaciones es de 0.2°C.
Un día, el paciente llega con 42°C de fiebre.
Tú, como médico, dices: "¡Esto es una anomalía de +25 desviaciones estándar! Es un evento extremadamente peligroso y sin precedentes. El paciente está gravemente enfermo".
Tu amigo escéptico te responde:
"Sensacionalista. El historial de temperatura de tu paciente no sigue una… » ver todo el comentario
#34 primero, nunca he negado el cambio climatico ni las vacunas ya puestos. En tu mente me pones en el grupo anticiencia y te cabreas.
Mala asunción de inicio.
ok. Estamos de acuerdo que no es una distribución normal.
Por tanto sacar conclusiones comparando con una distribución normal es erroneo.
#8 Los datos entre 1940 y 2000 siguen prácticamente una distribución normal, más o menos ancha. Habría que verlo con una prueba de Wilk-Shapiro.
Lo que está claro es que los datos del 2000 al 2025 se van de madre, ya no forman parte de una distribución normal, y justamente es lo que dice este señor, que nos va a tocar vivir tiempos interesantes.
Imagina que tienes una fábrica con una máquina que ha estado produciendo tornillos durante 50 años. Mides el diámetro de miles de tornillos de ese período y determinas:
Diámetro medio: 10.00 mm
Desviación estándar (σ): 0.05 mm
La distribución de los errores de fabricación alrededor de la media es normal (típico en procesos industriales).
Un día, un ingeniero cambia un ajuste crítico en la máquina sin decírselo a nadie. Tú tomas un tornillo de la nueva producción y mides su diámetro: 10.34 mm.
Calculas la anomalía: es una desviación de +6.8 σ ((10.34 - 10.00) / 0.05).
La probabilidad de que la máquina, bajo sus ajustes originales, produjera un tornillo tan grande por puro azar es infinitesimal.
Si tú argumentaras: "El conjunto de datos de todos los tornillos (viejos y nuevos) ya no sigue una distribución normal, por lo tanto tu cálculo de probabilidad es erróneo", estarías perdiendo el punto.
#8 Según lo entiendo yo: suponiendo que la anomalía de temperatura fuera un proceso aleatorio (0 Celsius sería la media) y siguiera una distribución normal, lo que estamos observando en estos últimos años "tendría una frecuencia de aproximadamente 1 en 216 mil millones".
Y sí, la anomalía de temperatura sigue aproximadamente una distribución normal:
#15 Ah, lo de la pluma. Siempre me ha hecho gracia éso. Suele ser común de los que sólo tienen como referencia de homosexuales a gays televisivos.
Yo conozco a gays más rudos que un motero con hemorroides, y a mujeriegos con más "pluma" que Boris Izaguirre haciendo una coreografía de Locomía. Lo de la "pluma" siempre ha sido una variable de poca fiabilidad.
#6 la empatía debe usarse para su único fin evolutivo: Sacar provecho del semejante, como hacen los gatos, con su fina psicología para saber cuando estás distraído, o atento a algo y venir a dar por culo.
Los niños son los seres más crueles que existen con sus semejantes, y aún más los que juegan al fútbol o deportes del estilo donde haya algo redondo implicado.
una frecuencia de aproximadamente 1 en 216 mil millones
solo es valida si la distribucion es normal. Una distirbucion normal es la famosa campana de Gauss.
En una distribucion normal los valores mas frecuentes son los cercanos a la media. Si te fijas entre 1940-1940 los valores mas frecuentes estan a +1 desviacion o -1 desviacion. De forma seguida ademas. No siguen una distribucion normal.
Por tanto, si no sigue una distirbucion normal no se puede sacar la conclusion de que esto pasa 1 entre 216 millones de veces.
No es una distribucion normal, ergo no se puede sacar esa conclusion.
Y no, no niego el cambio climatico.
En una distribucion normal cual es la probabilidad de que en 15 años este por encima de la media y en los siguientes 20 por debajo?
Incluye que ademas estan entre 1 y 2 sigmas.
A ojimetro no, no es una distribución normal.
Eres libre de proporcionar el estudio que demuestra que si lo es. Yo viendo la gráfica tengo claro que no lo es.
De paso me explicas como se aplica el teorema central del limite en una muestra no aleatoria.
Porque, en mi barrio, el ojímetro no es prueba válida para medir con precisión.
Y, por cierto, yo veo bastantes valores cercanos a la media: 1942, 1946, 1948, 1953, 1954, 1959, 1960, 1964, 1965, 1968, 1975 y 1979.
Y, luego entramos en el Teorema Central del Límite, donde podemos modelar la medida de este año como la media de un conjunto de medidas escogidas al azar de años anteriores. La distribución de esa media de medidas es bastante normal por el teorema, y de ahí podemos buscar cuantas desviaciones típicas tiene el valor medido con respecto a la distribución de medias.
imagina que eres el médico de un paciente y has medido su temperatura corporal cada día durante 50 años. Sabes que su temperatura normal fluctúa entre 36.5°C y 37.5°C (este es tu período de referencia, tu "baseline"). Calculas que la desviación estándar (σ) de esas fluctuaciones es de 0.2°C.
Un día, el paciente llega con 42°C de fiebre.
Tú, como médico, dices: "¡Esto es una anomalía de +25 desviaciones estándar! Es un evento extremadamente peligroso y sin precedentes. El paciente está gravemente enfermo".
Tu amigo escéptico te responde:
"Sensacionalista. El historial de temperatura de tu paciente no sigue una… » ver todo el comentario
Mala asunción de inicio.
ok. Estamos de acuerdo que no es una distribución normal.
Por tanto sacar conclusiones comparando con una distribución normal es erroneo.
Si quieres me corriges mi explicación.
Si me das un ad hominem me quedo con que no das pa mas la verdad.
Lo que está claro es que los datos del 2000 al 2025 se van de madre, ya no forman parte de una distribución normal, y justamente es lo que dice este señor, que nos va a tocar vivir tiempos interesantes.
>>> import scipy
>>> data
[-1.54349, -2.92029, -2.38191, 0.72471, 0.53016, 1.9545, 0.48386, 0.15081, -1.04866, 2.02706, 1.38383, 0.99149, 1.35192, -0.01817, 0.89333, -0.0593, 1.42029, 0.62326, 0.60318, 0.07675, -0.27359, -0.60019, 1.4846, 1.35708, 0.31286, 1.02733, 0.29183, 0.96193, 0.59745, 0.15657, -1.83114, -0.48127, -0.05167, -1.30684, -0.31923, -0.13331, -0.24469, -1.93765, -0.90479, -0.65699, -0.16496, -1.39708, -1.06188, -0.82715, -1.00898, -1.43816, -1.1896, -1.69931, -1.56209, -0.5472, 0.53373, 2.18731, 0.53136, 0.1884, -0.42685, 0.60091, 0.03655, 0.66787, 0.15333, 1.50533, 1.58735, -0.19682, 0.06248, -0.72516, 1.75324, 2.46727, 1.10383, 1.73727, 1.20777, 2.39559, 0.42278, 1.54553, 1.737, 0.6567, 2.23935, 1.6691, 1.66452, 2.53785, 3.69233, 2.98495, 3.77458, 4.10664, 4.72119, 5.06208, 5.38823, 5.82856]
>>> scipy.stats.normaltest(data[0:60])
NormaltestResult(statistic=0.9061659594935424, pvalue=0.6356653840852702)
pvalue=0.63 para los datos de… » ver todo el comentario
Imagina que tienes una fábrica con una máquina que ha estado produciendo tornillos durante 50 años. Mides el diámetro de miles de tornillos de ese período y determinas:
Diámetro medio: 10.00 mm
Desviación estándar (σ): 0.05 mm
La distribución de los errores de fabricación alrededor de la media es normal (típico en procesos industriales).
Un día, un ingeniero cambia un ajuste crítico en la máquina sin decírselo a nadie. Tú tomas un tornillo de la nueva producción y mides su diámetro: 10.34 mm.
Calculas la anomalía: es una desviación de +6.8 σ ((10.34 - 10.00) / 0.05).
La probabilidad de que la máquina, bajo sus ajustes originales, produjera un tornillo tan grande por puro azar es infinitesimal.
Si tú argumentaras: "El conjunto de datos de todos los tornillos (viejos y nuevos) ya no sigue una distribución normal, por lo tanto tu cálculo de probabilidad es erróneo", estarías perdiendo el punto.
El cálculo no tiene… » ver todo el comentario
Y sí, la anomalía de temperatura sigue aproximadamente una distribución normal:
svs.gsfc.nasa.gov/5452/
Yo conozco a gays más rudos que un motero con hemorroides, y a mujeriegos con más "pluma" que Boris Izaguirre haciendo una coreografía de Locomía. Lo de la "pluma" siempre ha sido una variable de poca fiabilidad.
Y así, según tú, te he respondido y bien.
¿Queda clara la idea?
m.youtube.com/watch?v=GA8z7f7a2Pk
Debemos empezar a desmitificar la infancia.
Un grupo de millonarios que se van a mojar deciden empezar a mojarse tres minutos antes.
#1 y la gente de Bart.