En primer lugar, supongo que quiere decir que todos sus estudiantes por debajo del promedio alcanzan el promedio de la clase anterior, antes de su mejora; y que los estudiantes promedio anteriores permanecen igual.
Depende de la distribución de sus puntajes. Suponga que sus puntajes se distribuyen uniformemente entre 60 y 100. El promedio es 80 y la mitad de la clase está por debajo. Si todos los alumnos por debajo del promedio aumentan a 80, la mitad de la clase tendrá 80 y la otra mitad tendrá un promedio de 90, por lo que el promedio de la clase será 85, una mejora del 6.25%.
Supongamos, por otro lado, que estamos midiendo coeficientes intelectuales con una distribución normal con una media de 100 y una desviación estándar 15. Si todas las personas con coeficientes intelectuales por debajo de 100 mejoran a 100, la mitad de las personas tendrán un coeficiente intelectual de 100, y la otra mitad tendrá IQ con un promedio de 112, para un IQ promedio de 106, y una mejora del 6% (estoy inventando estos ejemplos sobre la marcha, es solo una coincidencia que las mejoras estén tan cerca).
- ¿Cómo se delinean las startups entre las funciones de un científico de datos y una persona analítica más general / orientada a la adquisición?
- ¿Cuáles son las aplicaciones de la ciencia de datos y el aprendizaje automático en las industrias de petróleo y gas?
- ¿Por qué las personas almacenan grandes datos utilizando buffers de protocolo (o equivalente)?
- ¿Por qué los científicos están tan ansiosos por inventar datos para impulsar el liberalismo?
- ¿Hay algún beneficio al agregar las características originales junto con las reducidas por PCA?
Puede obtener cualquier respuesta que desee, desde infinito negativo a infinito, dependiendo de la distribución previa de puntajes. Pero una regla general que debería funcionar bastante bien en la mayoría de los casos es que el promedio aumentará aproximadamente 0.4 veces la desviación estándar de los puntajes antes del aumento.
