Domain coef.pages.dev
CLOUDFLARENET
Software information

cloudflare cloudflare

tcp/443 tcp/80 tcp/8443

  • Open service 2606:4700:310c::ac42:2c86:8443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=SRAdik3RHI6QO0%2FYwzBymNUR8eay9iRR8X1EgPnkKhzozbht%2BF14r8heCrniqA49z5NWvuDIaiwJr%2BwKCjyEjSSm95qQtkdr3OIYX2CGZWLgE44W2GpkaSjR"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08ce887b18f-FRA
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:8443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=2KjqSSHQ4qwgoX3NLCaAo4p7gQLvMxu9zlZdK5Dud3ewKVobPJZ965d28X7gPuzQhFMe8cO1bJHk8%2F%2FrLOPKRgQaIEfeczny5p7BZ4E1RJgDsBstl%2F8yUybk"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08cd99237fd-FRA
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=JiFOrUxIt%2FSkzbO3NNGrhzbm70w6ak%2FSXdH%2FA3%2BU3zQCX9ez7tyPTBjVMrSblwgYWA7BiKnldZF88G%2FhmRWCjpPA%2BD4Pj6KDRFiL8RD8SWD9kuMlOTVEEPkI"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08c2b4bfbdc-AMS
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.44.134:443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=Zu%2BXp%2B6ikyUYjfdyae6ngGZLPOrB6xGrDFNexBVi7V%2FCln95J9jO7sCAOKCZzrbnsYL993V2x3x3zfJo5YMWOS%2B6XFEyngQ0mlLgKohJ"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08cba372be4-FRA
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.47.122:443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=9I6JkbFdflHuVyzR2DZ5H8hDzjTFJ459q2%2B%2FLIAMBGIhii2OuYDGtXL9YsnqHNNZXgcXwt8dpErx%2FczDIXbyfsrsLdZHMpdoqYyxgw%3D%3D"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08cba279b4f-FRA
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.44.134:80 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 301 Moved Permanently
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=FgDA8v2Vj%2BfYTJ8y9Bm%2ByW2wHxv5zsFomOFmmDG0LkZtDJuA%2FUo3aJQtbce3QHAys0Y9mar2T2klsT7DgPXu%2FyPtH4LtONBE3rLs681N"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08ac8e3d2ce-FRA
alt-svc: h3=":443"; ma=86400
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2c86:443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=nF9XhYp6gsLcYx4F%2B6BWTvPh5IzfExL4juzzuQ62YaqtLTGqkOi04FEOZ0H7eD9Kl28b0LanyNnXh%2BEGDgUbGTnHjSPb5PheZ5mzH92cv%2B13wqK0qA2cFn9A"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08c2b703302-LHR
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.47.122:8443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=aRs%2FNnL4rYjl17dwdlZy%2FgN3jTlYGadolScWzb6DcMHGt8jmPaxw%2Bv8rCKN6OJJjYvIFCO%2FDicAGklEinFpTlyfEoAY4J%2FKXl13kkS5k"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08b3ee3b96b-EWR
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.44.134:8443 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 200 OK
Date: Mon, 12 Jan 2026 12:34:43 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=P5Wi7hnvQayVD%2BT%2BNqszzlcC2%2FgM2ZbX4B7ffiSdhtybqmNntYHfJVi4IRzrljhGTOomRnAM8fc9PKM3dcrAg92hMPS3RGWg4JAYt4HU"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08b2c253a07-YYZ
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:80 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 301 Moved Permanently
Date: Mon, 12 Jan 2026 12:34:42 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=ZVkbU%2B5g0ivyEuoCBnOOv8K1CLjYedGDUy8%2F571oeLp8tfhGnwHaViXbK16E3UQop9L4g80Vgi9HY%2B%2FZ%2FdpDqv%2FgYnXCJ9mProMwFAgYbURLwGsR8YbDd1eW"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08a69fcf473-BLR
alt-svc: h3=":443"; ma=86400
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 172.66.47.122:80 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 301 Moved Permanently
Date: Mon, 12 Jan 2026 12:34:42 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=5%2B0Xryaj948z8bbasIGfw7mkdnUXF8jCkEr1TC7zjvY6DhxqUmhdaIf9oiM%2BzuQntCQmd%2FB5wFWXET8JYQNXD1SIqjNCTdFbM1%2Fn2Zln"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08a3dda7fa8-BLR
alt-svc: h3=":443"; ma=86400
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2c86:80 · coef.pages.dev

    2026-01-12 12:34 

    HTTP/1.1 301 Moved Permanently
Date: Mon, 12 Jan 2026 12:34:42 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=GtpSqT1F0rF97HVK8Y%2F%2FMxq2PlCVMAZb0I164IXffwhO1M3bEND34I3TwgHFoY%2BJRnU1EYbbfURoiUEA8HbmNGoAYwvxnCOHmIC67CGq6bqppcd0eTZGrAwb"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9bccb08a0c4dabc1-YYZ
alt-svc: h3=":443"; ma=86400
    Found 20 hours ago by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2c86:443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:53 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=syD1Q2MMObTRLWrm4BsxJd7QtyEXXldQKmZvPswn1hYblfC0M5As54C3snTs44HJmLvAAZhaF0UlNTDV6uO709h%2FgRRY%2BfOFxSti3YQO9mReovW%2BtMxARkc%2B"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8ba7835dfc6-SIN
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.44.134:80 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 301 Moved Permanently
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=54oVBGYI6wTmTEGCjYdNInc1MsFfSuVg8vmwjFvYhHq4lxalsJYhrHS0nf0WAJSyPT6S7ht2IWn0Kg8y6Tr2%2Fzzx7XlbBX1%2FIfM2%2FFGO"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b2fc95fd79-SIN
alt-svc: h3=":443"; ma=86400
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.47.122:80 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 301 Moved Permanently
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=syBx0ysqDd1RzpeHL%2ByfbB2kTizaYTp%2Bid1f0kHDkd7GLkE2f%2B3s3OLmtOe77t46riiVirkPXaeQfYI1oXfSDYnFm%2BKhRRCpmJYHC9AX"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b2d997a49a-LHR
alt-svc: h3=":443"; ma=86400
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:80 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 301 Moved Permanently
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=RE6%2BcqPX%2FQwT%2Fn0uvxjZnF1heTKecyvy%2B8r607QRMSEX99ITb%2Bp0NZd970f%2F8xydjJpQ2ar3Za19uYUEj5Dyw4240555jZlrHtg5F%2BvMpotsmuDZTN6U5XIm"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b34a5268c6-LHR
alt-svc: h3=":443"; ma=86400
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2c86:8443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=KmDh%2BcEqX1YQu8I72k2EIIa9kP3aK6xFqqpfh1Ipb2f%2FTXzOOeoPsy1%2B4mxwYlWZ7lcUtnLG6Ak%2Fpmfz%2BwjdgkpRWAPUAO8%2F4jDHAeu4Fez2AzDWBKGt7qoL"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b2ef99f4c4-SJC
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.47.122:8443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=l8niCFrnM1e1j0VVg33%2FIJHdz0LNk2rFHsTz3qHuUrxdkKWh%2FwotriSxs354qMOtnOqJ6LNQ0TqbrnWQbbhA1Bee8h1zLM8KFprCXtHA"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b2d9399bf8-FRA
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.44.134:8443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=XF%2B3OFkuXDFwCBoNaEtlj7KOiedFec%2FmbkKnsh0WEDtE06AwB2OVYPPwHizSguNHZWLpJeoRaaGh6PiYDqRWO%2BnBM%2FmshHzSLAPdKA%3D%3D"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b29ff02659-YYZ
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=2B0s6I6G4EgDRLd6jRnQQs2eBxn5gzCKdXmAhiV1MX64MubZaY8MFY2xfwf4WA5a5A92gVD3ho1ID32iwSmerlvIQlN5JuviUbsgH4hajelFQ%2FdF2OGDXFlv"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b28b3572a4-EWR
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.47.122:443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:53 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=HRL4xp1Pc%2Bf73gzMmLAk3QNJ43jooSt%2B6wfSRCUvox5Is94D2WRsxRqggDWAPjFaEEz2zuqESkC0Wq7UyfM8CnZACMLfqB3Bmt42UrjG"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b6fb60a090-SIN
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2f7a:8443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=wFEnLT90gG0FwRasbcdPxNvJ7WqGqPQ8QYr8rbGcQ3ukZugD6FFK%2F%2B%2FTuH%2BIc3exqntiMjn8tDDFh9yJeBKVY9alJJTn98iAuPzdlH0PXKakufL4ZeHDwzkT"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b28d354cc4-YYZ
alt-svc: h3=":8443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 2606:4700:310c::ac42:2c86:80 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 301 Moved Permanently
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Length: 0
Connection: close
Location: https://coef.pages.dev/
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=FAkozE9uEDGzZghh6JNCUQimkjTgG%2BIb1TndaxQ%2Bos5nXMbFVQf6mW0PDCEliNkVxzbqscQldWciuPdJfJAPWHfbLWtW0lJlIsno%2B%2Ff%2Fm0Ea3ErKHwY%2BGV2D"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b1abc07ac3-FRA
alt-svc: h3=":443"; ma=86400
    Found 2026-01-04 by HttpPlugin
    Create report

  • Open service 172.66.44.134:443 · coef.pages.dev

    2026-01-04 12:36 

    HTTP/1.1 200 OK
Date: Sun, 04 Jan 2026 12:36:52 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 5234
Connection: close
Access-Control-Allow-Origin: *
Cache-Control: public, max-age=0, must-revalidate
ETag: "1ebaa216430a84b93fa1dbdfcca84d5a"
referrer-policy: strict-origin-when-cross-origin
x-content-type-options: nosniff
Vary: accept-encoding
Report-To: {"group":"cf-nel","max_age":604800,"endpoints":[{"url":"https://a.nel.cloudflare.com/report/v4?s=eUO%2F7UpXd0ElWv%2BS3kRuh17nUzXLIa6mNh%2BG66i7DEMvjPW%2BOwPzFl8jrw%2BQslDSFtRLDRWjO59iAn18nzrDWhhuJbry%2Bfm%2FW18m6bXk"}]}
Nel: {"report_to":"cf-nel","success_fraction":0.0,"max_age":604800}
Server: cloudflare
CF-RAY: 9b8ac8b2196e54eb-FRA
alt-svc: h3=":443"; ma=86400

Page title: Desviación Estándar y Coeficiente de Correlación

<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Desviación Estándar y Coeficiente de Correlación</title>
    

    <link rel="stylesheet" href="styles.css">
     
    <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.6.0/jquery.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"></script>
    <script type="text/javascript" src="https://polyfill.io/v3/polyfill.min.js?features=es6"></script>
    <script id="MathJax-script" async src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
   
</head>
<body>
    <div class="content">
        <h1>Desviación Estándar y Coeficiente de Correlación</h1>

        <section>
            <h2>Desviación Estándar</h2>
            <p>La desviación estándar es una medida de dispersión que indica cuánto se desvían los datos respecto a la media. La fórmula para la desviación estándar es:</p>
            <p>$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \bar{x})^2} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( N \): el número total de datos.</li>
                <li>\( x_i \): cada valor individual en el conjunto de datos.</li>
                <li>\( \bar{x} \): la media del conjunto de datos.</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos el conjunto de datos \( X = \\{3, 5, 7, 7, 9\\} \). Sigamos los pasos para calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{3 + 5 + 7 + 7 + 9}{5} = 6.2 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (3 - 6.2)^2 + (5 - 6.2)^2 + (7 - 6.2)^2 $$
</p>
<p>$$ + (7 - 6.2)^2 + (9 - 6.2)^2 = 26.8 $$</p>
                </li>
                <li>Dividir por \( N = 5 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{26.8}{5}} \approx 2.32 $$</p>
                </li>
            </ol>

            <h3>Ejemplo Avanzado</h3>
            <p>Consideremos el conjunto de datos \( X = \{10, 12, 23, 23, 16, 23, 21, 16\} \). Vamos a calcular la desviación estándar:</p>
            <ol>
                <li>Calcular la media \( \bar{x} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} = 18 \).</li>
                <li>Calcular \( (x_i - \bar{x})^2 \) para cada valor y luego la suma:
                    <p>$$ (10 - 18)^2 + (12 - 18)^2 + (23 - 18)^2 +  $$</p> <p>$$(16 - 18)^2 + (23 - 18)^2 $$
</p>
<p>$$(23 - 18)^2 + + (21 - 18)^2 + (16 - 18)^2 = 176 $$</p>
                </li>
                <li>Dividir por \( N = 8 \) y luego tomar la raíz cuadrada:
                    <p>$$ \sigma = \sqrt{\frac{176}{8}} = 4.69 $$</p>
                </li>
            </ol>
        </section>

        <section>
            <h2>Coeficiente de Correlación de Pearson</h2>
            <p>El coeficiente de correlación de Pearson mide la relación entre dos variables. Su fórmula es:</p>
            <p>$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \cdot \sum (y_i - \bar{y})^2}} $$</p>
            <p>donde:</p>
            <ul>
                <li>\( x_i \) y \( y_i \): los valores individuales de las variables \( X \) y \( Y \).</li>
                <li>\( \bar{x} \) y \( \bar{y} \): las medias de \( X \) y \( Y \).</li>
            </ul>

            <h3>Ejemplo Básico</h3>
            <p>Consideremos los conjuntos de datos \( X = \{1, 2, 3, 4, 5\} \) y \( Y = \{2, 4, 6, 8, 10\} \). Vamos a calcular \\( r \\):</p>
            <ol>
                <li>Calcular \( \bar{x} = 3 \) y \( \bar{y} = 6 \).</li>
                <li>Calcular \( (x_i - \bar{x})(y_i - \bar{y}) \) para cada par y luego la suma:
                    <p>$$ \sum (x_i - \bar{x})(y_i - \bar{y}) = 20 $$</p>
                </li>
                <li>Calcular \( \sum (x_i - \bar{x})^2
    Found 2026-01-04 by HttpPlugin
    Create report
coef.pages.dev*.coef.pages.dev
Fingerprint:
96a5bce6eb07049e114b2bf7315ae5844b643a2147ac9b5a7db39c2a7effa5f7
CN:
coef.pages.dev
Key:
ECDSA-256
Issuer:
WE1
Not before:
2026-01-04 11:36
Not after:
2026-04-04 12:35
Domain summary

coef.pages.dev 23

1 recorded
IP summary

2606:4700:310c::ac42:2c86 1 2606:4700:310c::ac42:2f7a 1 172.66.44.134 1 172.66.47.122 1

4 recorded

© 2026 LeakIX v2.0.49
About LeakIX - Credits - Take-down and blacklist requests - Security issues - Terms and conditions - Cookie policy - Legal notice