Media geométrica

Raíz n-ésima del producto de n números

Ejemplo de media geométrica: (rojo) es la media geométrica de y , ^{[1] [2]} es un ejemplo en el que el segmento de línea se da como perpendicular a . es el diámetro de un círculo y . (Nota: pausa de 10 segundos entre cada ejecución de animación). ${\displaystyle l_{g}}$ ${\displaystyle l_{1}}$ ${\displaystyle l_{2}}$ ${\displaystyle l_{2}\;({\overline {BC}})}$ ${\displaystyle {\overline {AB}}}$ ${\displaystyle {\overline {AC'}}}$ ${\displaystyle {\overline {BC}}\cong {\overline {BC'}}}$

En matemáticas, la media geométrica es una media o promedio que indica una tendencia central de un conjunto finito de números reales positivos mediante el producto de sus valores (a diferencia de la media aritmética que utiliza su suma). La media geométrica se define como la raíz n del producto de n números, es decir, para un conjunto de números a ₁ , a ₂ , ..., a _n , la media geométrica se define como

${\displaystyle \left(\prod _{i=1}^{n}a_{i}\right)^{\frac {1}{n}}={\sqrt[{n}]{a_{1}a_{2}\cdots a_{n}}}}$

o, equivalentemente, como la media aritmética en escala logarítmica :

${\displaystyle \exp {\left({{\frac {1}{n}}\sum \limits _{i=1}^{n}\ln a_{i}}\right)}}$

La media geométrica de dos números, por ejemplo 2 y 8, es la raíz cuadrada de su producto, es decir, . La media geométrica de los tres números 4, 1 y 1/32 es la raíz cúbica de su producto (1/8), que es 1/2, es decir, . ${\displaystyle {\sqrt {2\cdot 8}}=4}$ ${\displaystyle {\sqrt[{3}]{4\cdot 1\cdot 1/32}}=1/2}$

La media geométrica se utiliza en una escala de proporciones , como las tasas de crecimiento de la población humana o las tasas de interés de una inversión financiera a lo largo del tiempo. También se aplica a la evaluación comparativa , donde es particularmente útil para calcular las medias de las proporciones de aceleración : ya que la media de 0,5x (la mitad de rápido) y 2x (el doble de rápido) será 1 (es decir, ninguna aceleración en general). Supongamos, por ejemplo, que una persona invierte $1000 y obtiene rendimientos anuales de +10%, -12%, +90%, -30% y +25%, lo que da un valor final de $1609. Si la inversión hubiera crecido según la media aritmética de los rendimientos anuales (16,6% anual), valdría $2155 después de 5 años. El crecimiento porcentual promedio es más bien la media geométrica de los índices de crecimiento anual (1,10, 0,88, 1,90, 0,70, 1,25), es decir 1,0998, un crecimiento promedio anual del 9,98%. La media geométrica es apropiada porque el crecimiento de la inversión es multiplicativo en lugar de aditivo.

La media geométrica se puede entender en términos de geometría . La media geométrica de dos números, y , es la longitud de un lado de un cuadrado cuya área es igual al área de un rectángulo con lados de longitudes y . De manera similar, la media geométrica de tres números, , , y , es la longitud de una arista de un cubo cuyo volumen es el mismo que el de un cuboide con lados cuyas longitudes son iguales a los tres números dados. ${\displaystyle a}$ ${\displaystyle b}$ ${\displaystyle a}$ ${\displaystyle b}$ ${\displaystyle a}$ ${\displaystyle b}$ ${\displaystyle c}$

La media geométrica es una de las tres medias pitagóricas clásicas , junto con la media aritmética y la media armónica . Para todos los conjuntos de datos positivos que contienen al menos un par de valores desiguales, la media armónica es siempre la menor de las tres medias, mientras que la media aritmética es siempre la mayor de las tres y la media geométrica siempre está entre ambas (véase Desigualdad de las medias aritmética y geométrica ).

Formulación

La media geométrica de un conjunto de datos viene dada por: ${\textstyle \left\{a_{1},a_{2},\,\ldots ,\,a_{n}\right\}}$

${\displaystyle \left(\prod _{i=1}^{n}a_{i}\right)^{\frac {1}{n}}={\sqrt[{n}]{a_{1}a_{2}\cdots a_{n}}}.}$^[3]

Es decir, la raíz n- ésima del producto de los elementos. Por ejemplo, para , el producto de es , y la media geométrica es la raíz cuarta de 24, o ~ 2,213. ${\textstyle 1,2,3,4}$ ${\textstyle 1\times 2\times 3\times 4}$ ${\textstyle 24}$

Formulación utilizando logaritmos

La media geométrica también se puede expresar como la exponencial de la media aritmética de los logaritmos. ^[4] Al utilizar identidades logarítmicas para transformar la fórmula, las multiplicaciones se pueden expresar como una suma y la potencia como una multiplicación:

Cuando ${\displaystyle a_{1},a_{2},\dots ,a_{n}>0}$

${\displaystyle \left(\prod _{i=1}^{n}a_{i}\right)^{\frac {1}{n}}=\exp \left[{\frac {1}{n}}\sum _{i=1}^{n}\ln a_{i}\right];}$

Como:

${\displaystyle {\begin{aligned}\left(\prod _{i=1}^{n}a_{i}\right)^{\frac {1}{n}}&={\sqrt[{n}]{a_{1}a_{2}\cdots a_{n}}}\\&=e^{\ln(a_{1}a_{2}\cdots a_{n})^{1/n}}\\&=e^{{\frac {1}{n}}\left(\ln a_{1}+\ln a_{2}+\cdots +\ln a_{n}\right)}\\&=e^{{\frac {1}{n}}\sum _{i=1}^{n}\ln a_{i}}\\{\text{geometric mean(}}a{\text{)}}&=e^{{\text{arithmetic mean(ln(}}a{\text{))}}}\end{aligned}}}$

A esto a veces se le llama promedio logarítmico (que no debe confundirse con el promedio logarítmico ). Es simplemente la media aritmética de los valores transformados en logaritmo de (es decir, la media aritmética en la escala logarítmica), utilizando la exponenciación para volver a la escala original, es decir, es la media f generalizada con . Por ejemplo, la media geométrica de 2 y 8 se puede calcular de la siguiente manera utilizando cualquier base b : ${\displaystyle a_{i}}$ ${\displaystyle f(x)=\log x}$

${\displaystyle b^{{\frac {1}{2}}\left[\log _{b}(2)+\log _{b}(8)\right]}=4}$

En relación con lo anterior, se puede observar que para una muestra dada de puntos , la media geométrica es el minimizador de ${\displaystyle a_{1},\ldots ,a_{n}}$

${\displaystyle f(a)=\sum _{i=1}^{n}(\log(a_{i})-\log(a))^{2}=\sum _{i=1}^{n}(\log(a_{i}/a))^{2}}$,

mientras que la media aritmética es el minimizador de

${\displaystyle f(a)=\sum _{i=1}^{n}(a_{i}-a)^{2}}$.

Así, la media geométrica proporciona un resumen de las muestras cuyo exponente mejor coincide con los exponentes de las muestras (en el sentido de mínimos cuadrados).

La forma logarítmica de la media geométrica es generalmente la alternativa preferida para la implementación en lenguajes informáticos porque calcular el producto de muchos números puede provocar un desbordamiento aritmético o un desbordamiento aritmético insuficiente . Esto es menos probable que ocurra con la suma de los logaritmos de cada número.

Conceptos relacionados

Medios iterativos

La media geométrica de un conjunto de datos es menor que la media aritmética del conjunto de datos a menos que todos los miembros del conjunto de datos sean iguales, en cuyo caso las medias geométrica y aritmética son iguales. Esto permite la definición de la media aritmético-geométrica , una intersección de las dos que siempre se encuentra en el medio.

La media geométrica es también la media aritmético-armónica en el sentido de que si se definen dos secuencias ( ) y ( ): ${\textstyle a_{n}}$ ${\textstyle h_{n}}$

${\displaystyle a_{n+1}={\frac {a_{n}+h_{n}}{2}},\quad a_{0}=x}$

y

${\displaystyle h_{n+1}={\frac {2}{{\frac {1}{a_{n}}}+{\frac {1}{h_{n}}}}},\quad h_{0}=y}$

donde es la media armónica de los valores anteriores de las dos secuencias, entonces y convergerán a la media geométrica de y . Las secuencias convergen a un límite común y la media geométrica se conserva: ${\textstyle h_{n+1}}$ ${\textstyle a_{n}}$ ${\textstyle h_{n}}$ ${\textstyle x}$ ${\textstyle y}$

${\displaystyle {\sqrt {a_{i}h_{i}}}={\sqrt {\frac {a_{i}+h_{i}}{\frac {a_{i}+h_{i}}{h_{i}a_{i}}}}}={\sqrt {\frac {a_{i}+h_{i}}{{\frac {1}{a_{i}}}+{\frac {1}{h_{i}}}}}}={\sqrt {a_{i+1}h_{i+1}}}}$

Reemplazar la media aritmética y armónica por un par de medias generalizadas de exponentes finitos opuestos produce el mismo resultado.

Comparación con la media aritmética

Demostración sin palabras de la desigualdad AM–GM :
PR es el diámetro de un círculo centrado en O; su radio AO es la media aritmética de a y b . Utilizando el teorema de la media geométrica , la altura del triángulo PGR, GQ, es la media geométrica. Para cualquier razón a : b , AO ≥ GQ.

Prueba geométrica sin palabras de que máx  ( a , b ) > raíz cuadrada media ( RMS ) o media cuadrática ( QM ) > media aritmética ( AM ) > media geométrica ( GM ) > media armónica ( HM ) > mín  ( a , b ) de dos números positivos distintos a y b ^{[nota 1]}

La media geométrica de un conjunto de datos no vacío de números positivos es siempre, como máximo, su media aritmética. La igualdad solo se obtiene cuando todos los números del conjunto de datos son iguales; de lo contrario, la media geométrica es menor. Por ejemplo, la media geométrica de 2 y 3 es 2,45, mientras que su media aritmética es 2,5. En particular, esto significa que cuando un conjunto de números no idénticos se somete a una dispersión que preserva la media (es decir, los elementos del conjunto se "separan" más entre sí mientras que la media aritmética permanece inalterada), su media geométrica disminuye. ^[5]

Media geométrica de una función continua

Si es una función continua positiva de valor real, su media geométrica en este intervalo es ${\displaystyle f:[a,b]\to (0,\infty )}$

${\displaystyle {\text{GM}}[f]=\exp \left({\frac {1}{b-a}}\int _{a}^{b}\ln f(x)dx\right)}$

Por ejemplo, tomar la función identidad sobre el intervalo unitario muestra que la media geométrica de los números positivos entre 0 y 1 es igual a . ${\displaystyle f(x)=x}$ ${\displaystyle {\frac {1}{e}}}$

Aplicaciones

Tasa de crecimiento promedio

En muchos casos, la media geométrica es la mejor medida para determinar la tasa de crecimiento promedio de una determinada cantidad. Por ejemplo, si las ventas aumentan un 80% en un año y el año siguiente un 25%, el resultado es el mismo que el de una tasa de crecimiento constante del 50%, ya que la media geométrica de 1,80 y 1,25 es 1,50. Para determinar la tasa de crecimiento promedio, no es necesario tomar el producto de las tasas de crecimiento medidas en cada paso. Sea la cantidad dada como la secuencia , donde es el número de pasos desde el estado inicial al final. La tasa de crecimiento entre mediciones sucesivas y es . La media geométrica de estas tasas de crecimiento es entonces simplemente: ${\displaystyle a_{0},a_{1},...,a_{n}}$ ${\displaystyle n}$ ${\displaystyle a_{k}}$ ${\displaystyle a_{k+1}}$ ${\displaystyle a_{k+1}/a_{k}}$

${\displaystyle \left({\frac {a_{1}}{a_{0}}}{\frac {a_{2}}{a_{1}}}\cdots {\frac {a_{n}}{a_{n-1}}}\right)^{\frac {1}{n}}=\left({\frac {a_{n}}{a_{0}}}\right)^{\frac {1}{n}}.}$

Valores normalizados

La propiedad fundamental de la media geométrica, que no se cumple para ninguna otra media, es que para dos secuencias y de igual longitud, ${\displaystyle X}$ ${\displaystyle Y}$

${\displaystyle \operatorname {GM} \left({\frac {X_{i}}{Y_{i}}}\right)={\frac {\operatorname {GM} (X_{i})}{\operatorname {GM} (Y_{i})}}}$.

Esto hace que la media geométrica sea la única media correcta cuando se promedian resultados normalizados ; es decir, resultados que se presentan como proporciones de valores de referencia. ^[6] Este es el caso cuando se presenta el rendimiento de una computadora con respecto a una computadora de referencia, o cuando se calcula un único índice promedio a partir de varias fuentes heterogéneas (por ejemplo, esperanza de vida, años de educación y mortalidad infantil). En este escenario, el uso de la media aritmética o armónica cambiaría la clasificación de los resultados dependiendo de lo que se use como referencia. Por ejemplo, tomemos la siguiente comparación del tiempo de ejecución de programas de computadora:

Tabla 1

Las medias aritmética y geométrica "concuerdan" en que el ordenador C es el más rápido. Sin embargo, al presentar valores normalizados de forma adecuada y utilizar la media aritmética, podemos demostrar que cualquiera de los otros dos ordenadores es el más rápido. Al normalizar por el resultado de A, obtenemos que A es el ordenador más rápido según la media aritmética:

Tabla 2

mientras que la normalización por el resultado de B da a B como la computadora más rápida según la media aritmética pero a A como la más rápida según la media armónica:

Tabla 3

y normalizando por el resultado de C obtenemos que C es el ordenador más rápido según la media aritmética pero A como el más rápido según la media armónica:

Tabla 4

En todos los casos, la clasificación dada por la media geométrica sigue siendo la misma que la obtenida con valores no normalizados.

Sin embargo, este razonamiento ha sido cuestionado. ^[7] Dar resultados consistentes no siempre es igual a dar los resultados correctos. En general, es más riguroso asignar pesos a cada uno de los programas, calcular el tiempo de ejecución promedio ponderado (usando la media aritmética) y luego normalizar ese resultado para una de las computadoras. Las tres tablas anteriores simplemente dan un peso diferente a cada uno de los programas, lo que explica los resultados inconsistentes de las medias aritmética y armónica (la Tabla 4 da el mismo peso a ambos programas, la Tabla 2 da un peso de 1/1000 al segundo programa, y ​​la Tabla 3 da un peso de 1/100 al segundo programa y 1/10 al primero). El uso de la media geométrica para agregar números de rendimiento debe evitarse si es posible, porque multiplicar los tiempos de ejecución no tiene un significado físico, en contraste con sumar tiempos como en la media aritmética. Las métricas que son inversamente proporcionales al tiempo (aceleración, IPC ) deben promediarse utilizando la media armónica.

La media geométrica se puede derivar de la media generalizada como su límite cuando tiende a cero. De manera similar, esto es posible para la media geométrica ponderada. ${\displaystyle p}$

Crecimiento proporcional

La media geométrica es más apropiada que la media aritmética para describir el crecimiento proporcional, tanto el crecimiento exponencial (crecimiento proporcional constante) como el crecimiento variable; en el ámbito empresarial, la media geométrica de las tasas de crecimiento se conoce como tasa de crecimiento anual compuesta (CAGR). La media geométrica del crecimiento a lo largo de períodos arroja la tasa de crecimiento constante equivalente que daría como resultado la misma cantidad final.

Supongamos que un naranjo produce 100 naranjas un año y luego 180, 210 y 300 los años siguientes, por lo que el crecimiento es del 80%, 16,6666% y 42,8571% para cada año respectivamente. Utilizando la media aritmética se calcula un crecimiento medio (lineal) del 46,5079% (80% + 16,6666% + 42,8571%, esa suma luego dividida por 3). Sin embargo, si empezamos con 100 naranjas y dejamos que crezca un 46,5079% cada año, el resultado son 314 naranjas, no 300, por lo que el promedio lineal sobreestima el crecimiento interanual.

En su lugar, podemos utilizar la media geométrica. Crecer con un 80% corresponde a multiplicar por 1,80, por lo que tomamos la media geométrica de 1,80, 1,166666 y 1,428571, es decir ; por lo tanto, el crecimiento "promedio" por año es 44,2249%. Si comenzamos con 100 naranjas y dejamos que el número crezca con un 44,2249% cada año, el resultado son 300 naranjas. ${\displaystyle {\sqrt[{3}]{1.80\times 1.166666\times 1.428571}}\approx 1.442249}$

Financiero

La media geométrica se ha utilizado de vez en cuando para calcular índices financieros (el promedio se realiza sobre los componentes del índice). Por ejemplo, en el pasado, el índice FT 30 utilizaba una media geométrica. ^[8] También se utiliza en el cálculo del IPC ^[9] y recientemente se introdujo la medida de inflación " RPIJ " en el Reino Unido y en la Unión Europea.

Esto tiene el efecto de subestimar los movimientos del índice en comparación con el uso de la media aritmética. ^[8]

Aplicaciones en las ciencias sociales

Aunque la media geométrica ha sido relativamente poco frecuente en el cálculo de las estadísticas sociales, a partir de 2010 el Índice de Desarrollo Humano de las Naciones Unidas adoptó este modo de cálculo, con el argumento de que reflejaba mejor la naturaleza no sustituible de las estadísticas que se compilaban y comparaban:

La media geométrica disminuye el nivel de sustituibilidad entre las dimensiones [que se comparan] y al mismo tiempo garantiza que una disminución del 1% en, por ejemplo, la esperanza de vida al nacer tenga el mismo impacto en el IDH que una disminución del 1% en la educación o los ingresos. Por lo tanto, como base para las comparaciones de logros, este método también es más respetuoso de las diferencias intrínsecas entre las dimensiones que un simple promedio. ^[10]

No todos los valores utilizados para calcular el IDH (Índice de Desarrollo Humano) están normalizados; algunos de ellos tienen la forma . Esto hace que la elección de la media geométrica sea menos obvia de lo que cabría esperar de la sección "Propiedades" anterior. ${\displaystyle \left(X-X_{\text{min}}\right)/\left(X_{\text{norm}}-X_{\text{min}}\right)}$

El ingreso equivalente de bienestar distribuido equitativamente asociado con un índice de Atkinson con un parámetro de aversión a la desigualdad de 1,0 es simplemente la media geométrica de los ingresos. Para valores distintos de uno, el valor equivalente es una norma Lp dividida por el número de elementos, donde p es igual a uno menos el parámetro de aversión a la desigualdad.

Geometría

La altura de un triángulo rectángulo desde su ángulo recto hasta su hipotenusa es la media geométrica de las longitudes de los segmentos en que se divide la hipotenusa. Utilizando el teorema de Pitágoras sobre los 3 triángulos de lados ( p  +  q , r , s  ) , ( r , p , h  ) y ( s , h , q  ) ,
${\displaystyle {\begin{aligned}(p+q)^{2}\;\;&=\quad r^{2}\;\;\,+\quad s^{2}\\p^{2}\!\!+\!2pq\!+\!q^{2}&=\overbrace {p^{2}\!\!+\!h^{2}} +\overbrace {h^{2}\!\!+\!q^{2}} \\2pq\quad \;\;\;&=2h^{2}\;\therefore h\!=\!{\sqrt {pq}}\\\end{aligned}}}$

En el caso de un triángulo rectángulo , su altura es la longitud de una línea que se extiende perpendicularmente desde la hipotenusa hasta su vértice de 90°. Si imaginamos que esta línea divide la hipotenusa en dos segmentos, la media geométrica de las longitudes de estos segmentos es la longitud de la altura. Esta propiedad se conoce como el teorema de la media geométrica .

En una elipse , el semieje menor es la media geométrica de las distancias máxima y mínima de la elipse a un foco ; también es la media geométrica del semieje mayor y del semilato recto . El semieje mayor de una elipse es la media geométrica de la distancia desde el centro a cualquiera de los focos y la distancia desde el centro a cualquiera de las directrices .

Otra forma de pensarlo es la siguiente:

Consideremos un círculo con radio . Ahora tomemos dos puntos diametralmente opuestos en el círculo y apliquemos presión desde ambos extremos para deformarlo en una elipse con semiejes mayor y semieje menor de longitudes y . ${\displaystyle r}$ ${\displaystyle a}$ ${\displaystyle b}$

Como el área del círculo y de la elipse permanece igual, tenemos:

${\displaystyle {\begin{aligned}\pi r^{2}&=\pi ab\\r^{2}&=ab\\r&={\sqrt {ab}}\end{aligned}}}$

El radio del círculo es la media geométrica de los semiejes mayor y menor de la elipse formada al deformar el círculo.

La distancia al horizonte de una esfera (ignorando el efecto de la refracción atmosférica cuando hay atmósfera) es igual a la media geométrica de la distancia al punto más cercano de la esfera y la distancia al punto más lejano de la esfera.

La media geométrica se utiliza tanto en la aproximación de la cuadratura del círculo de SA Ramanujan ^[11] como en la construcción del heptadecágono con "medias proporcionales". ^[12]

Relaciones de aspecto

Comparación de áreas iguales de las relaciones de aspecto utilizadas por Kerns Powers para derivar el estándar SMPTE 16:9 . ^[13]   TV 4:3/1.33 en rojo,  1,66 en naranja,  16:9/1.7 7 en azul ,  1,85 en amarillo,  Panavision /2.2 en malva y  CinemaScope /2.35 en color morado.

La media geométrica se ha utilizado para elegir una relación de aspecto intermedia en cine y vídeo: dadas dos relaciones de aspecto, la media geométrica de ellas proporciona un compromiso entre ellas, distorsionando o recortando ambas en cierto sentido por igual. Concretamente, dos rectángulos de igual área (con el mismo centro y lados paralelos) de diferentes relaciones de aspecto se intersecan en un rectángulo cuya relación de aspecto es la media geométrica, y su envoltura (el rectángulo más pequeño que los contiene a ambos) tiene asimismo la relación de aspecto de su media geométrica.

En la elección de la relación de aspecto 16:9 por parte de la SMPTE , equilibrando 2,35 y 4:3, la media geométrica es , y por lo tanto se eligió ... . Esto fue descubierto empíricamente por Kerns Powers, quien recortó rectángulos con áreas iguales y les dio forma para que coincidieran con cada una de las relaciones de aspecto populares. Cuando se superpusieron con sus puntos centrales alineados, descubrió que todos esos rectángulos de relación de aspecto encajaban dentro de un rectángulo exterior con una relación de aspecto de 1,77:1 y todos ellos también cubrían un rectángulo interior común más pequeño con la misma relación de aspecto 1,77:1. ^[13] El valor encontrado por Powers es exactamente la media geométrica de las relaciones de aspecto extremas, 4:3 (1,33:1) y CinemaScope (2,35:1), que casualmente está cerca de ( ). Las relaciones intermedias no tienen efecto en el resultado, solo las dos relaciones extremas. ${\textstyle {\sqrt {2.35\times {\frac {4}{3}}}}\approx 1.7701}$ ${\textstyle 16:9=1.77{\overline {7}}}$   ${\textstyle 16:9}$ ${\textstyle 1.77{\overline {7}}:1}$

Aplicando la misma técnica de media geométrica a 16:9 y 4:3 se obtiene aproximadamente la relación de aspecto 14:9 ( ...), que también se utiliza como un compromiso entre estas relaciones. ^[14] En este caso, 14:9 es exactamente la media aritmética de y , ya que 14 es el promedio de 16 y 12, mientras que la media geométrica precisa es pero las dos medias diferentes , aritmética y geométrica, son aproximadamente iguales porque ambos números están suficientemente cerca uno del otro (una diferencia de menos del 2%). ${\textstyle 1.55{\overline {5}}}$ ${\textstyle 16:9}$ ${\textstyle 4:3=12:9}$ ${\textstyle {\sqrt {{\frac {16}{9}}\times {\frac {4}{3}}}}\approx 1.5396\approx 13.8:9,}$

Formatos de papel

La media geométrica también se utiliza para calcular los formatos de papel de las series B y C. El formato tiene un área que es la media geométrica de las áreas de y . Por ejemplo, el área de un papel B1 es , porque es la media geométrica de las áreas de un papel A0 ( ) y un papel A1 ( ) ( ). ${\displaystyle B_{n}}$ ${\displaystyle A_{n}}$ ${\displaystyle A_{n-1}}$ ${\displaystyle {\frac {\sqrt {2}}{2}}\mathrm {m} ^{2}}$ ${\displaystyle 1\mathrm {m} ^{2}}$ ${\displaystyle {\frac {1}{2}}\mathrm {m} ^{2}}$ ${\displaystyle {\sqrt {1\mathrm {m} ^{2}\cdot {\frac {1}{2}}\mathrm {m} ^{2}}}={\sqrt {{\frac {1}{2}}\mathrm {m} ^{4}}}={\frac {1}{\sqrt {2}}}\mathrm {m} ^{2}={\frac {\sqrt {2}}{2}}\mathrm {m} ^{2}}$

El mismo principio se aplica a la serie C, cuyo área es la media geométrica de las series A y B. Por ejemplo, el formato C4 tiene un área que es la media geométrica de las áreas de A4 y B4.

Una ventaja que surge de esta relación es que un papel A4 cabe dentro de un sobre C4, y ambos caben dentro de un sobre B4.

Otras aplicaciones

• Planitud espectral : en el procesamiento de señales , la planitud espectral , una medida de qué tan plano o irregular es un espectro, se define como la relación entre la media geométrica del espectro de potencia y su media aritmética.
• Recubrimientos antirreflectantes : En recubrimientos ópticos, donde es necesario minimizar la reflexión entre dos medios de índices de refracción n ₀ y n ₂ , el índice de refracción óptimo n ₁ del recubrimiento antirreflectante viene dado por la media geométrica: . ${\displaystyle n_{1}={\sqrt {n_{0}n_{2}}}}$
• Mezcla de colores sustractiva : la curva de reflectancia espectral para mezclas de pinturas (de igual intensidad de color , opacidad y dilución ) es aproximadamente la media geométrica de las curvas de reflectancia individuales de las pinturas calculadas en cada longitud de onda de sus espectros . ^[15]
• Procesamiento de imágenes : El filtro de media geométrica se utiliza como filtro de ruido en el procesamiento de imágenes .
• Compensación laboral : La media geométrica de un salario de subsistencia y el valor de mercado del trabajo que utiliza el capital del empleador fue sugerida como el salario natural por Johann von Thünen en 1875. ^[16]

Véase también

• Portal de matemáticas

• Media aritmético-geométrica
• Media generalizada
• Teorema de la media geométrica
• Desviación estándar geométrica
• Media armónica
• Media heroniana
• Heteroscedasticidad
• Distribución log-normal
• Desigualdad de Muirhead
• Producto
• Pitagórico significa
• Media cuadrática
• Cuadratura (matemáticas)
• Media cuasi-aritmética ( media f generalizada )
• Tasa de retorno
• Media geométrica ponderada

Notas

1. Si AC = a y BC = b . OC = AM de a y b , y radio r = QO = OG .
   Utilizando el teorema de Pitágoras , QC² = QO² + OC² ∴ QC = √ QO² + OC² = QM .
   Utilizando el teorema de Pitágoras , OC² = OG² + GC² ∴ GC = √ OC² − OG² = GM .
   Utilizando triángulos semejantes , ⁠HC/GC⁠ = ⁠GC/jefe⁠ ∴HC = ⁠GC²/jefe⁠ = HM .

Referencias

1. Matt Friehauf, Mikaela Hertel, Juan Liu y Stacey Luong "Sobre construcciones con regla y compás: medias" (PDF) . UNIVERSIDAD DE WASHINGTON, DEPARTAMENTO DE MATEMÁTICAS. 2013 . Consultado el 14 de junio de 2018 .
2. "Euclides, Libro VI, Proposición 13". David E. Joyce, Clark University. 2013. Consultado el 19 de julio de 2019 .
3. "2.5: Media geométrica". Estadísticas LibreTexts . 2019-04-20 . Consultado el 2021-08-16 .
4. Crawley, Michael J. (2005). Estadística: una introducción utilizando R. John Wiley & Sons Ltd. ISBN 9780470022986.
5. Mitchell, Douglas W. (2004). "Más sobre diferenciales y medias no aritméticas". The Mathematical Gazette . 88 : 142–144. doi :10.1017/S0025557200174534. S2CID  168239991.
6. Fleming, Philip J.; Wallace, John J. (1986). "Cómo no mentir con las estadísticas: la forma correcta de resumir los resultados de los estudios comparativos". Comunicaciones de la ACM . 29 (3): 218–221. doi : 10.1145/5666.5673 . S2CID  1047380.
7. Smith, James E. (1988). "Caracterización del rendimiento informático con un único número". Comunicaciones de la ACM . 31 (10): 1202–1206. doi : 10.1145/63039.63043 . S2CID  10805363.
8. Rowley, Eric E. (1987). El sistema financiero hoy . Manchester University Press. ISBN 0719014875.
9. "Medición de la inflación de precios" (PDF) . Departamento de Actas del Gobierno. Marzo de 2017. Consultado el 15 de julio de 2023 en gov.uk.
10. "Preguntas frecuentes - Informes sobre desarrollo humano". hdr.undp.org . Archivado desde el original el 2 de marzo de 2011.
11. Ramanujan, S. (1914). "Ecuaciones modulares y aproximaciones a π" (PDF) . Quarterly Journal of Mathematics . 45 : 350–372.
12. TP Stowell Extracto de Leybourn's Math. Repository, 1818 en The Analyst vía Google Books
13. "BOLETÍN TÉCNICO: Entender las relaciones de aspecto" (PDF) . The CinemaSource Press. 2001. Archivado (PDF) desde el original el 2009-09-09 . Consultado el 2009-10-24 .
14. US 5956091, "Método para mostrar imágenes 16:9 en pantallas 4:3", publicada el 21 de septiembre de 1999 
15. MacEvoy, Bruce. "Atributos de la creación de color: medición de la luz y el color". handprint.com/LS/CVS/color.html . Colorimetría. Archivado desde el original el 14 de julio de 2019 . Consultado el 2 de enero de 2020 .
16. Henry Ludwell Moore (1895). Teoría de los salarios naturales de von Thünen. GH Ellis.

Enlaces externos

• Cálculo de la media geométrica de dos números en comparación con la solución aritmética
• Medias aritméticas y geométricas
• Cuándo utilizar la media geométrica
• Soluciones prácticas para calcular la media geométrica con diferentes tipos de datos Archivado el 12 de noviembre de 2010 en Wayback Machine
• Media geométrica en MathWorld
• Significado geométrico de la media geométrica
• Calculadora de media geométrica para conjuntos de datos más grandes
• Cálculo de la distribución de escaños en el Congreso mediante la media geométrica
• Sitio web sobre cálculo no newtoniano
• Definición y fórmula de la media geométrica
• La distribución de la media geométrica
• ¿La media geométrica?