FACULTAD DE MECNICA

ESCUELA DE INGENIERA INDUSTRIAL

CONTROL DE LA PRODUCCIN

Nombres:

GANAZHAPA JUAN CARLOS

1443

OA JEFFERSON

1162

Fecha de envo:

2015 10 19

Fecha de entrega:

2015 10 23

MEDIDAS DE TENDENCIA CENTRAL

DISTRIBUCIONES:
NORMAL
BINOMIAL
HIPERGEOMTRICA

Este documento ha sido realizado en LibreOffice, bajo Licencia Pblica de Mozilla V2.0
Copyright 2000, 2014 LibreOffice

ESPOCH

CONTROL DE LA PRODUCCIN

INGENIERA INDUSTRIAL
2015

Pgina 2

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

Medidas de tendencia central

Una medida de tendencia central es un valor que se encuentra en el centro o a la mitad de un
conjunto de datos. Hay muchas formas distintas de determinar el centro, por lo que tenemos
diferentes definiciones de las medidas de tendencia central, que incluyen la media, la
mediana, la moda y la mitad del rango, entre otras ms.
Media aritmtica o media muestral (x): La media aritmtica, media muestral o
simplemente media, por lo general, es la medida numrica ms importante que se utiliza
para describir datos; comnmente se le conoce como promedio. En un conjunto de valores
es la medida de tendencia central que se calcula al sumar los valores de la muestra y dividir
el total entre el nmero de valores.
x =

x = sumade todoslos valores de la muestra

n

nmero de valores muestrales

Donde:
suma de un conjunto de valores.
x variable que generalmente se usa para representar los datos individuales.
n nmero de valores en una muestra.
Media poblacional (): Es la medida numrica de un conjunto de valores que se calcula al
sumar los datos de toda la muestra y dividirlos para el total de datos de una poblacin
seleccionada.

x = suma de todoslos valores de la muestra

N

nmero de valores en una poblacin

Donde:
suma de un conjunto de valores.
x variable que generalmente se usa para representar los datos individuales.
N nmero de valores en una poblacin.(Triola 2009)

La Media Geomtrica (G): La media geomtrica G de un conjunto de N nmeros

positivos X 1, X 2, X 3, ....... , X N es la raz N-sima del producto de estos nmeros.
G= N X 1 X 2 X 3 .... X N
CONTROL DE LA PRODUCCIN

Pgina 1

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

3
3
Ejemplo: La media geomtrica G de 2, 4 y 8 es G= ( 2)(4)(8)= 64=4

La media armnica (H): La media armnica H de un conjunto de nmeros

X 1, X 2, X 3, ....... , X N es el recproco de la media aritmtica de los recprocos de esos
nmeros.
H=

1
N

1
1

N j=1 X j

N
1

Enla prctica es ms fcilrecordar que

1

1
1
1
=
=
H
N
N
X
Ejemplo: La media armnica H de los nmeros 2, 4 y 8 es
H=

3
3 24
= = =3.4285
1 1 1 7 7
+ +
2 4 8 8

Relacin entre las medias Aritmtica, Geomtrica y Armnica

La media geomtrica de una coleccin de nmeros positivos X 1, X 2, X 3, ....... , X N es menor o
igual que su media aritmtica, pero mayor o igual que su media armnica. Es decir:
La igualdad ocurre y sol s todos los nmeros X 1, X 2, X 3, ....... , X N son idnticos.
HGx
Ejemplo: El conjunto2, 4, 8 tiene media aritmtica 4.67, media geomtrica 4 y media
armnica 3.43.
La media cuadrtica (MQ): La media cuadrtica (MQ) de un conjunto de nmeros
X 1, X 2, X 3, ....... , X N se suele denotar por

CONTROL DE LA PRODUCCIN

x2 y se define como:

Pgina 2

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

MQ= x2=

X 2j
j =1

X
N

Este tipo de promedio se utiliza con frecuencia en las aplicaciones fsicas.(Murray R. 1991)
Ejemplo: La media cuadrtica del conjunto 1, 3, 4, 5, y 7 es:
MQ=

1+ 3+4+5 +7
= 20=4.47
5

Mediana: Una desventaja de la media es su sensibilidad a cada valor, de tal forma que una
puntuacin excepcional puede afectarla de manera drstica. La mediana resuelve, en gran
medida, esa desventaja. La mediana es un valor intermedio, ya que la mitad de los valores
de los datos estn por debajo de la mediana y la otra mitad por arriba de ella. La siguiente
definicin es ms precisa.
La mediana de un conjunto de datos es la medida de tendencia central que implica el valor
intermedio, cuando los valores de los datos originales se presentan en orden de magnitud
x (y se lee x con tilde).
creciente (o decreciente). La mediana suele denotarse con ~
Para calcular la mediana, primero se ordenan los valores (se acomodan en orden) y luego se
sigue uno de los siguientes dos procedimientos:
1. Si el nmero de valores es impar, la mediana es el nmero que se localiza
exactamente a la mitad de la lista.
2. Si el nmero de valores es par, la mediana se obtiene calculando la media de los dos
nmeros que estn a la mitad.
Moda: La moda de un conjunto de datos es el valor que se presenta con mayor frecuencia.

Cuando dos valores se presentan con la misma frecuencia y sta es la ms alta,

ambos valores son modas, por lo que el conjunto de datos es bimodal.
Cuando ms de dos valores se presentan con la misma frecuencia y sta es la ms
alta, todos los valores son modas, por lo que el conjunto de datos es multimodal.
Cuando ningn valor se repite, se dice que no hay moda.

En realidad, la moda no se utiliza mucho con los datos numricos. Sin embargo, entre las
diferentes medidas de tendencia central que se considera, la moda es la nica que puede
CONTROL DE LA PRODUCCIN

Pgina 3

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

usarse con datos de nivel de medicin nominal. (el nivel de medicin nominal se refiere a
datos que consisten nicamente en nombres, etiquetas o categoras).

MEDIDAS DE POSICIN NO CENTRAL

Las medidas de posicin no centrales permiten conocer otros puntos caractersticos de la
distribucin que no son los valores centrales.
Los cuantiles son aquellos valores de la variable, que ordenados de menor a mayor, dividen
a la distribucin en partes, de tal manera que cada una de ellas contiene el mismo nmero de
frecuencias1.
Los cuantiles ms conocidos son:
Cuartiles (Qi): Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente
o decreciente, en cuatro tramos iguales, cada una de las cuales engloba el 25 % de las
mismas. Se denotan de la siguiente forma: Q1 es el primer cuartil que deja a su izquierda el
25 % de los datos; Q2 es el segundo cuartil que deja a su izquierda el 50% de los datos, y Q3
es el tercer cuartil que deja a su izquierda el 75% de los datos. (Q2 = Me).
Evidentemente el segundo cuartil coincide con la mediana. Como puede comprobarse, no
tendra ninguna utilidad definir el cuarto cuartil. El clculo de los cuartiles se realiza por el
mismo procedimiento que el clculo de la mediana, pues hay nicamente una diferencia
cuantitativa entre ambas medidas, pero tienen significados paralelos.
As, el primer cuartil se hallar aplicando la siguiente frmula:
I N
Q1 =l+ ( f i )
f 4
y el tercer cuartil:
I 3N
Q3 =l+ (
f i )
f 4

http://www.aulafacil.com/cursos/l11217/ciencia/estadisticas/estadisticas/medidas-de-posicion-no-central
CONTROL DE LA PRODUCCIN

Pgina 4

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

Donde:
l: lmite inferior de la clase a la que pertenece el cuartil, que es la clase que
deja por debajo de ella el 25% de las observaciones (o el 75% en el caso de
Q3)
I: amplitud del intervalo.
f: frecuencia de la clase cuartlica.
N: total de elementos de la muestra.
fi: frecuencia acumulada de todos los valores inferiores a la clase que
contiene el cuartil.
Deciles (Di): Son los valores de la variable que dividen a la distribucin en las partes
iguales, cada una de las cuales engloba el 10 % de los datos. En total habr 9 deciles. (Q2 =
D5 = Me ).
D1, el decil 1, deja el 10% de los valores de la serie por debajo de l.
Anlogamente ocurre con los deciles D2, D3,.......D9. El decil 8, por ejemplo, deja el 80% de
la masa de datos investigada por debajo de l.
Las frmulas para calcularlos son tambin anlogas a las de la mediana.
Por ejemplo:
I N
D 1 =l+ ( f i )
f 10
I 9N
D9 =l+ (
f i )
f 10
Centiles o Percentiles (Pi): Son los valores que dividen a la distribucin en 100 partes
iguales, cada una de las cuales engloba el 1 % de las observaciones. En total habr 99
percentiles. (Q2 = D5 = Me = P50).2
As P90, por ejemplo, deja por debajo de l el 90% de los elementos.
La frmula para realizar el clculo del percentil 45, por ejemplo sera:
I 45 N
P45=l+ (
f i )
f 100
Rango: El rango de un conjunto de nmeros es la diferencia entre el mayor y el menor
nmero de ellos.
Ejemplo: El rango del conjunto 2, 3, 3, 5, 5, 5, 8, 10, 12 es R= 12 2 = 10
2

http://www.eumed.net/cursecon/libreria/drm/1d.htm
CONTROL DE LA PRODUCCIN

Pgina 5

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

Mitad del rango: La mitad del rango es la medida de tendencia central que constituye el
valor que est a la mitad, entre la puntuacin ms alta y la ms baja, en el conjunto original
de datos. Se calcula sumando el valor mximo con el valor mnimo y luego dividiendo la
suma entre 2, de acuerdo con la siguiente frmula:
mitad del rango=

valor mximo
valor mnimo

La mitad del rango se emplea pocas veces. Puesto que utiliza slo los valores mximo y
mnimo, es demasiado sensible a esos extremos. Sin embargo, la mitad del rango posee tres
caractersticas valiosas:
1. Es fcil de calcular;
2. Ayuda a reforzar la importante idea de que hay varias maneras de definir el centro de
un conjunto de datos;
3. En ocasiones se le utiliza incorrectamente en vez de la mediana, de manera que la
confusin se reduce si se define claramente tanto la mitad del rango como la
mediana.(Triola 2009)
Varianza V(x): se llama varianza al promedio de los cuadrados de las desviaciones y la
frmula ser la siguiente:

(x ix )

Vx= i=1

(x ix ) . f i
2

Vx= i=1

( z ix )2 . f i

Vx= i=1

Desviacin Standar (Sx): La raz cuadrada positiva de la varianza se llama desviacin

standar y desviacin tpica, y la frmula es la siguiente:
Sx= Vx

Sx=

( xi x )2
i=1

Para trabajar con frecuencias la frmula es la siguiente:

CONTROL DE LA PRODUCCIN

Pgina 6

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

Sx =

i=1

( xi x )2 . f i
N

Para trabajar con intervalos de clase la frmula ser la siguiente:

Sx =

CONTROL DE LA PRODUCCIN

i=1

( zi x )2 . f i
N

Pgina 7

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

Histograma: Un histograma es una grfica de barras donde la escala horizontal representa

clases de valores de datos y la escala vertical representa frecuencias. Las alturas de las barras
corresponden a los valores de frecuencia; en tanto que las barras se dibujan de manera
adyacente (sin huecos entre s).
Sesgo: Se conoce como sesgo el grado de asimetra de una distribucin, es decir cunto se
aparta de la simetra. Si la curva de frecuencias de una distribucin tiene una cola ms larga
que a la izquierda se dice sesgada a la derecha o sesgo positivo, de lo contrario es sesgada a
la izquierda o de sesgo negativo.
Para calcular una medida de sesgo se realiza el cociente de la media menos la moda sobre la
desviacin tpica.
Sesgo=

MediaModa
x Mo
=
Desviacin estandar
S(x)

DISTRIBUCIN NORMAL
Es la ms importante de las distribuciones continuas ya que permite describir un nmero
muy grande de fenmenos aleatorios, como por ejemplo aquellos en los que intervienen un
nmero elevado de factores no controlables, que actan de manera independiente y con
efectos pequeos.
Se dice que una variable aleatoria X sigue una distribucin normal de parmetros
R y 2 >0 , si su funcin de densidad es:

Se denota por X N ( , 2 )
Si X N ( , 2 ) entonces

CONTROL DE LA PRODUCCIN

Pgina 8

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

La grafica de la funcin de densidad, se denomina curva normal (o campana de Gauss), es

una curva con forma de campana, la cual describe aproximadamente muchos fenmenos que
se utilizan la vida cotidiana. Por ejemplo, las mediciones fsicas en reas como los
experimentos meteorolgicos, estudios de lluvia, errores en las mediciones cientficas, etc.
A continuacin se muestra la grfica de la funcin de densidad para una distribucin normal
con media 0 y desviacin tpica igual a 1.

Grficamente se observa que presenta un mximo en , tiene puntos de inflexin en

y + y es simtrica respecto a . Se aproxima al eje horizontal de manera
asinttica conforme nos alejamos de la media en cualquier direccin. El rea total entre la
curva y el eje horizontal es igual a 1.
Por tanto, la funcin de distribucin de cualquier
distribucin N ( 0,1 ) de la siguiente forma

Donde Z =

N ( , 2 ) se puede calcular utilizando la

es la normal tipificada. Generalmente, se denota ( z )=P [ Z z ] .

Esta propiedad permite emplear ls tablas de la

distribucin de cualquier distribucin normal.

CONTROL DE LA PRODUCCIN

N ( 0,1 )

Pgina 9

para obtener la funcin de

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

DISTRIBUCION BINOMIAL
Consideramos n experimentos de Bernoulli independientes e idnticamente distribuidos y
sea la variable aleatoria X definida con el nmero de xitos en n pruebas de Bernoulli.
Diremos que X sigue una distribucin binomial de parmetros n y p,
X B (n , p) ,
Donde n es el nmero de pruebas, probabilidd de xito en una prueba.
Se dice que una variable aleatoria discreta X sigue una distribucin binomial de parmetros
n N y p [ 0, 1 ] si se verifica:
rg ( X )=[0,1, . n]
Y la funcin de probabilidad puede escribirse como:

DISTRIBUCIN HIPERGEOMETRICA
La diferencia entre la distribucin binomial y la distribucin hipergeometrica esta en la
forma en que se realiza el muestreo. En el caso de la binomial se requiere independencia
entre las pruebas, es decir, el muestreo se realiza con reemplazamiento. Por otro lado, la
distribucin hipergeometrica no requiere independencia y el muestreo se realiza sin
remplazamiento. Las aplicaciones de la distribucin hipergeometrica se encuentra en muchas
reas, con gran uso en control de calidad.
Consideremos un conjunto de N elementos en el que tenemos N 1 elementos del tipo 1 y
NN 1 elementos de tipo 2. Extraemos n sin reemplazamiento y definimos la variable
aleatoria:
X= nmero de elementos del tipo 1 en los n extraidos. El modelo de distribucin que
sigue esta variable aleatoria es una hipergeometrica3.
Se dice que una variable aleatoria discreta X sigue una distribucin hipergeometrica de
parmetros N , N 1 y n con n N , si se verifica:

Y la funcin de probabilidad de X es

http://ocwus.us.es/estadistica-e-investigacion-operativa/estadistica/temas/apartado4.pdf
CONTROL DE LA PRODUCCIN

Pgina 10

CONSULTA

ESPOCH

INGENIERA INDUSTRIAL
2015

FUENTES DE INFORMACIN BIBLIOGRFICA

MURRAY R., S. 1991. ESTADSTICA. Segunda edicin. Espaa: Mc Graw Hill. ISBN 847615-562-X.
TRIOLA, M.F. 2009. ESTADSTICA. Dcima edicin. Mxico S.A. de C.V.: PEARSON
EDUCACIN. ISBN 978-970-26-1287-2.
1.- http://www.aulafacil.com/cursos/l11217/ciencia/estadisticas/estadisticas/medidas-deposicion-no-central
2.- http://www.eumed.net/cursecon/libreria/drm/1d.htm
3.- http://ocwus.us.es/estadistica-e-investigacion-operativa/estadistica/temas/apartado4.pdf

Este documento ha sido realizado en LibreOffice, bajo Licencia Pblica de Mozilla V2.0
Copyright 2000, 2014 LibreOffice

CONTROL DE LA PRODUCCIN

Pgina 11

CONSULTA