I1M2016: Estadística descriptiva en Haskell

En la segunda parte de la clase de hoy de Informática de 1º del Grado en Matemáticas hemos comentado las soluciones a los ejercicios de la relación 19 sobre estadística descriptiva. Además, se ha comentado la librería Statistics.Sample que contiene las funciones definidas en la relación.

Los ejercicios y su solución se muestran a continuación

-- ---------------------------------------------------------------------
-- Introducción                                                       --
-- ---------------------------------------------------------------------

-- El objetivo de esta relación es definir las principales medidas
-- estadísticas de centralización (medias, mediana y modas) y de
-- dispersión (rango, desviación media, varianza y desviación típica)
-- que se estudian en 3º de ESO (como en http://bit.ly/1yXc7mv ).
--
-- En las soluciones de los ejercicios se pueden usar las siguientes
-- funciones de la librería Data.List fromIntegral, genericLength, sort,
-- y group (cuya descripción se puede consultar en el "Manual de
-- funciones básicas de Haskell" http://bit.ly/1PqHagT ).

-- ---------------------------------------------------------------------
-- Librerías auxiliares                                               --
-- ---------------------------------------------------------------------

import Data.List
import Test.QuickCheck

-- ---------------------------------------------------------------------
-- Medidas de centralización                                          --
-- ---------------------------------------------------------------------

-- ---------------------------------------------------------------------
-- Ejercicio 1. Definir la función
--    media :: Floating a => [a] -> a
-- tal que (media xs) es la media aritmética de los números de la lista
-- xs. Por ejemplo,
--    media [4,8,4,5,9]  ==  6.0
-- ---------------------------------------------------------------------

media :: Floating a => [a] -> a
media xs = sum xs / genericLength xs

-- ---------------------------------------------------------------------
-- Ejercicio 2. La mediana de una lista de valores es el valor de 
-- la lista que ocupa el lugar central de los valores ordenados de menor
-- a mayor. Si el número de datos es impar se toma como valor de la
-- mediana el valor central. Si el número de datos es par se toma como
-- valor de la mediana la media aritmética de los dos valores
-- centrales.
-- 
-- Definir la función 
--    mediana :: (Floating a, Ord a) => [a] -> a
-- tal que (mediana xs) es la mediana de la lista xs. Por ejemplo, 
--    mediana [2,3,6,8,9]    ==  6.0
--    mediana [2,3,4,6,8,9]  ==  5.0
--    mediana [9,6,8,4,3,2]  ==  5.0
-- ---------------------------------------------------------------------

mediana :: (Floating a, Ord a) => [a] -> a
mediana xs | odd n  = ys !! i
           | even n = media [ys !! (i-1), ys !! i]
    where ys = sort xs
          n  = length xs
          i  = n `div` 2

-- ---------------------------------------------------------------------
-- Ejercicio 3. Comprobar con QuickCheck que para cualquier lista no
-- vacía xs el número de elementos de xs menores que su median es menor
-- o igual que la mitad de los elementos de xs y lo mismo pasa con los
-- mayores o iguales que la mediana.
-- --------------------------------------------------------------------- 

-- La propiedad es
prop_mediana :: (Floating a, Ord a) => [a] -> Property
prop_mediana xs =
    not (null xs) ==> 
    genericLength [x | x <- xs, x < m] <= n/2 &&
    genericLength [x | x <- xs, x > m] <= n/2
    where m = mediana xs
          n = genericLength xs

-- La comprobación es
--    ghci> quickCheck prop_mediana
--    +++ OK, passed 100 tests.

-- ---------------------------------------------------------------------
-- Ejercicio 4. Definir la función
--    frecuencias :: Ord a => [a] -> [(a,Int)]
-- tal que (frecuencias xs) es la lista formada por los elementos de xs
-- junto con el número de veces que aparecen en xs. Por ejemplo,  
--    frecuencias "sosos" ==  [('o',2),('s',3)]
--
-- Nota: El orden de los pares no importa
-- ---------------------------------------------------------------------

-- 1ª solución
frecuencias :: Ord a => [a] -> [(a,Int)]
frecuencias xs = [(y,ocurrencias y xs) | y <- sort (nub xs)]
    where ocurrencias y xs = length [1 | x <- xs, x == y]

-- 2ª solución
frecuencias2 :: Ord a => [a] -> [(a,Int)]
frecuencias2 xs = [(x,1 + length xs) | (x:xs) <- group (sort xs)]

-- ---------------------------------------------------------------------
-- Ejercicio 5. Las modas de una lista son los elementos de la lista
-- que más se repiten. 
--
-- Definir la función
--    modas :: Ord a => [a] -> [a]
-- tal que (modas xs) es la lista ordenada de las modas de xs. Por
-- ejemplo 
--    modas [7,3,7,5,3,1,6,9,6]  ==  [3,6,7]
-- ---------------------------------------------------------------------

modas :: Ord a => [a] -> [a]
modas xs = [y | (y,n) <- ys, n == m]
    where ys = frecuencias xs
          m  = maximum (map snd ys)

-- ---------------------------------------------------------------------
-- Ejercicio 6. La media geométrica de una lista de n números es la
-- raíz n-ésima del producto de todos los números.
-- 
-- Definir la función
--    mediaGeometrica :: Floating a => [a] -> a
-- tal que (mediaGeometrica xs) es la media geométrica de xs. Por
-- ejemplo, 
--    mediaGeometrica [2,18]   ==  6.0
--    mediaGeometrica [3,1,9]  ==  3.0
-- ---------------------------------------------------------------------

mediaGeometrica :: Floating a => [a] -> a
mediaGeometrica xs = (product xs)**(1 / genericLength xs)

-- ---------------------------------------------------------------------
-- Ejercicio 7. Comprobar con QuickCheck que la media geométrica de
-- cualquier lista no vacía de números no negativos es siempre menor o
-- igual que la media aritmética. 
-- ---------------------------------------------------------------------

-- La propiedad es
prop_mediaGeometrica :: (Floating a, Ord a) => [a] -> Property
prop_mediaGeometrica xs = 
    not (null xs) ==>
    mediaGeometrica ys <= media ys
    where ys = map abs xs        

-- La comprobación es
--    ghci> quickCheck prop_mediaGeometrica
--    +++ OK, passed 100 tests.

-- ---------------------------------------------------------------------
-- Medidas de dispersión                                              --
-- ---------------------------------------------------------------------

-- ---------------------------------------------------------------------
-- Ejercicio 8. El recorrido (o rango) de una lista de valores es la
-- diferencia entre el mayor y el menor.
-- 
-- Definir la función 
--    rango :: (Num a, Ord a) => [a] -> a
-- tal que (rango xs) es el rango de xs. Por ejemplo,
--    rango [4,2,4,7,3]  ==  5
-- ---------------------------------------------------------------------

rango :: (Num a, Ord a) => [a] -> a
rango xs = maximum xs - minimum xs
 
-- ---------------------------------------------------------------------
-- Ejercicio 9. La desviación media de una lista de datos xs es la
-- media de las distancias de los datos a la media xs, donde la
-- distancia entre dos elementos es el valor absoluto de su
-- diferencia. Por ejemplo, la desviación media de [4,8,4,5,9] es 2 ya
-- que la media de [4,8,4,5,9] es 6 y
--      (|4-6| + |8-6| + |4-6| + |5-6| + |9-6|) / 5
--    = (2 + 2 + 2 + 1 + 3) / 5
--    = 2
-- 
-- Definir la función
--    desviacionMedia :: Floating a => [a] -> a
-- tal que (desviacionMedia xs) es la desviación media de xs. Por
-- ejemplo, 
--    desviacionMedia [4,8,4,5,9]       ==  2.0
--    desviacionMedia (replicate 10 3)  ==  0.0
-- ---------------------------------------------------------------------

desviacionMedia :: Floating a => [a] -> a
desviacionMedia xs = media [abs(x - m) | x <- xs]
    where m = media xs

-- ---------------------------------------------------------------------
-- Ejercicio 10. La varianza de una lista datos es la media de los
-- cuadrados de las distancias de los datos a la media. Por ejemplo, la
-- varianza de [4,8,4,5,9] es 4.4 ya que la media de [4,8,4,5,9] es 6 y
--      ((4-6)^2 + (8-6)^2 + (4-6)^2 + (5-6)^2 + (9-6)^2) / 5
--    = (4 + 4 + 4 + 1 + 9) / 5
--    = 4.4
-- 
-- Definir la función
--    varianza :: Floating a => [a] -> a
-- tal que (desviacionMedia xs) es la varianza de xs. Por ejemplo, 
--    varianza [4,8,4,5,9]       ==  4.4
--    varianza (replicate 10 3)  ==  0.0
-- ---------------------------------------------------------------------

varianza :: Floating a => [a] -> a
varianza xs = media [(x-m)^2 | x <- xs]
    where m = media xs

-- ---------------------------------------------------------------------
-- Ejercicio 11. La desviación típica de una lista de datos es la raíz
-- cuadrada de su varianza.  
-- 
-- Definir la función 
--    desviacionTipica :: Floating a => [a] -> a
-- tal que (desviacionTipica xs) es la desviación típica de xs. Por
-- ejemplo, 
--    desviacionTipica [4,8,4,5,9]       ==  2.0976176963403033
--    desviacionTipica (replicate 10 3)  ==  0.0
-- ---------------------------------------------------------------------

desviacionTipica :: Floating a => [a] -> a
desviacionTipica xs = sqrt (varianza xs)

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

-- ---------------------------------------------------------------------

-- Introducción --

-- ---------------------------------------------------------------------

-- El objetivo de esta relación es definir las principales medidas

-- estadísticas de centralización (medias, mediana y modas) y de

-- dispersión (rango, desviación media, varianza y desviación típica)

-- que se estudian en 3º de ESO (como en http://bit.ly/1yXc7mv ).

-- En las soluciones de los ejercicios se pueden usar las siguientes

-- funciones de la librería Data.List fromIntegral, genericLength, sort,

-- y group (cuya descripción se puede consultar en el "Manual de

-- funciones básicas de Haskell" http://bit.ly/1PqHagT ).

-- ---------------------------------------------------------------------

-- Librerías auxiliares --

-- ---------------------------------------------------------------------

import Data.List

import Test.QuickCheck

-- ---------------------------------------------------------------------

-- Medidas de centralización --

-- ---------------------------------------------------------------------

-- Ejercicio 1. Definir la función

-- media :: Floating a => [a] -> a

-- tal que (media xs) es la media aritmética de los números de la lista

-- xs. Por ejemplo,

-- media [4,8,4,5,9] == 6.0

-- ---------------------------------------------------------------------

media :: Floating a => [a] -> a

media xs = sum xs / genericLength xs

-- ---------------------------------------------------------------------

-- Ejercicio 2. La mediana de una lista de valores es el valor de

-- la lista que ocupa el lugar central de los valores ordenados de menor

-- a mayor. Si el número de datos es impar se toma como valor de la

-- mediana el valor central. Si el número de datos es par se toma como

-- valor de la mediana la media aritmética de los dos valores

-- centrales.

-- Definir la función

-- mediana :: (Floating a, Ord a) => [a] -> a

-- tal que (mediana xs) es la mediana de la lista xs. Por ejemplo,

-- mediana [2,3,6,8,9] == 6.0

-- mediana [2,3,4,6,8,9] == 5.0

-- mediana [9,6,8,4,3,2] == 5.0

-- ---------------------------------------------------------------------

mediana :: (Floating a, Ord a) => [a] -> a

mediana xs | odd n = ys !! i

| even n = media [ys !! (i-1), ys !! i]

where ys = sort xs

n = length xs

i = n `div` 2

-- ---------------------------------------------------------------------

-- Ejercicio 3. Comprobar con QuickCheck que para cualquier lista no

-- vacía xs el número de elementos de xs menores que su median es menor

-- o igual que la mitad de los elementos de xs y lo mismo pasa con los

-- mayores o iguales que la mediana.

-- ---------------------------------------------------------------------

-- La propiedad es

prop_mediana :: (Floating a, Ord a) => [a] -> Property

prop_mediana xs =

not (null xs) ==>

genericLength [x | x <- xs, x < m] <= n/2 &&

genericLength [x | x <- xs, x > m] <= n/2

where m = mediana xs

n = genericLength xs

-- La comprobación es

-- ghci> quickCheck prop_mediana

-- +++ OK, passed 100 tests.

-- ---------------------------------------------------------------------

-- Ejercicio 4. Definir la función

-- frecuencias :: Ord a => [a] -> [(a,Int)]

-- tal que (frecuencias xs) es la lista formada por los elementos de xs

-- junto con el número de veces que aparecen en xs. Por ejemplo,

-- frecuencias "sosos" == [('o',2),('s',3)]

-- Nota: El orden de los pares no importa

-- ---------------------------------------------------------------------

-- 1ª solución

frecuencias :: Ord a => [a] -> [(a,Int)]

frecuencias xs = [(y,ocurrencias y xs) | y <- sort (nub xs)]

where ocurrencias y xs = length [1 | x <- xs, x == y]

-- 2ª solución

frecuencias2 :: Ord a => [a] -> [(a,Int)]

frecuencias2 xs = [(x,1 + length xs) | (x:xs) <- group (sort xs)]

-- ---------------------------------------------------------------------

-- Ejercicio 5. Las modas de una lista son los elementos de la lista

-- que más se repiten.

-- Definir la función

-- modas :: Ord a => [a] -> [a]

-- tal que (modas xs) es la lista ordenada de las modas de xs. Por

-- ejemplo

-- modas [7,3,7,5,3,1,6,9,6] == [3,6,7]

-- ---------------------------------------------------------------------

modas :: Ord a => [a] -> [a]

modas xs = [y | (y,n) <- ys, n == m]

where ys = frecuencias xs

m = maximum (map snd ys)

-- ---------------------------------------------------------------------

-- Ejercicio 6. La media geométrica de una lista de n números es la

-- raíz n-ésima del producto de todos los números.

-- Definir la función

-- mediaGeometrica :: Floating a => [a] -> a

-- tal que (mediaGeometrica xs) es la media geométrica de xs. Por

-- ejemplo,

-- mediaGeometrica [2,18] == 6.0

-- mediaGeometrica [3,1,9] == 3.0

-- ---------------------------------------------------------------------

mediaGeometrica :: Floating a => [a] -> a

mediaGeometrica xs = (product xs)**(1 / genericLength xs)

-- ---------------------------------------------------------------------

-- Ejercicio 7. Comprobar con QuickCheck que la media geométrica de

-- cualquier lista no vacía de números no negativos es siempre menor o

-- igual que la media aritmética.

-- ---------------------------------------------------------------------

-- La propiedad es

prop_mediaGeometrica :: (Floating a, Ord a) => [a] -> Property

prop_mediaGeometrica xs =

not (null xs) ==>

mediaGeometrica ys <= media ys

where ys = map abs xs

-- La comprobación es

-- ghci> quickCheck prop_mediaGeometrica

-- +++ OK, passed 100 tests.

-- ---------------------------------------------------------------------

-- Medidas de dispersión --

-- ---------------------------------------------------------------------

-- Ejercicio 8. El recorrido (o rango) de una lista de valores es la

-- diferencia entre el mayor y el menor.

-- Definir la función

-- rango :: (Num a, Ord a) => [a] -> a

-- tal que (rango xs) es el rango de xs. Por ejemplo,

-- rango [4,2,4,7,3] == 5

-- ---------------------------------------------------------------------

rango :: (Num a, Ord a) => [a] -> a

rango xs = maximum xs - minimum xs

-- ---------------------------------------------------------------------

-- Ejercicio 9. La desviación media de una lista de datos xs es la

-- media de las distancias de los datos a la media xs, donde la

-- distancia entre dos elementos es el valor absoluto de su

-- diferencia. Por ejemplo, la desviación media de [4,8,4,5,9] es 2 ya

-- que la media de [4,8,4,5,9] es 6 y

-- (|4-6| + |8-6| + |4-6| + |5-6| + |9-6|) / 5

-- = (2 + 2 + 2 + 1 + 3) / 5

-- = 2

-- Definir la función

-- desviacionMedia :: Floating a => [a] -> a

-- tal que (desviacionMedia xs) es la desviación media de xs. Por

-- ejemplo,

-- desviacionMedia [4,8,4,5,9] == 2.0

-- desviacionMedia (replicate 10 3) == 0.0

-- ---------------------------------------------------------------------

desviacionMedia :: Floating a => [a] -> a

desviacionMedia xs = media [abs(x - m) | x <- xs]

where m = media xs

-- ---------------------------------------------------------------------

-- Ejercicio 10. La varianza de una lista datos es la media de los

-- cuadrados de las distancias de los datos a la media. Por ejemplo, la

-- varianza de [4,8,4,5,9] es 4.4 ya que la media de [4,8,4,5,9] es 6 y

-- ((4-6)^2 + (8-6)^2 + (4-6)^2 + (5-6)^2 + (9-6)^2) / 5

-- = (4 + 4 + 4 + 1 + 9) / 5

-- = 4.4

-- Definir la función

-- varianza :: Floating a => [a] -> a

-- tal que (desviacionMedia xs) es la varianza de xs. Por ejemplo,

-- varianza [4,8,4,5,9] == 4.4

-- varianza (replicate 10 3) == 0.0

-- ---------------------------------------------------------------------

varianza :: Floating a => [a] -> a

varianza xs = media [(x-m)^2 | x <- xs]

where m = media xs

-- ---------------------------------------------------------------------

-- Ejercicio 11. La desviación típica de una lista de datos es la raíz

-- cuadrada de su varianza.

-- Definir la función

-- desviacionTipica :: Floating a => [a] -> a

-- tal que (desviacionTipica xs) es la desviación típica de xs. Por

-- ejemplo,

-- desviacionTipica [4,8,4,5,9] == 2.0976176963403033

-- desviacionTipica (replicate 10 3) == 0.0

-- ---------------------------------------------------------------------

desviacionTipica :: Floating a => [a] -> a

desviacionTipica xs = sqrt (varianza xs)

Se puede imprimir o compartir con