MEDIDAS DE TENDECIA

CENTRAL Y DISPERSION
MEDIDAS DE TENDENCIA CENTRAL: Son valores o datos que
representan a la poblacin Tambin se denominan medidas de localizacin o
posicin.
Las tres medidas de tendencia central de uso ms frecuente son: la Moda,
La Mediana y la Media Aritmtica
MEDIDAS DE DISPERSIN: Estas medidas tambin denominadas
medidas de variabilidad miden el grado de separacin de los datos con
respecto a un valor central, el cual por lo general ser la media aritmtica.
Las principales medidas de dispersin son: la varianza, la desviacin
estndar y el coeficiente de variacin

MEDIDAS DE TENDECIA CENTRAL

LA MODA: Esta medida se denota como Mo y es el valor de mayor
frecuencia de una distribucin.
EJEMPLO: Un fabricante de gasolina investiga el tiempo de arranque del
motor de un automvil. Usando un vehculo de prueba obtiene los siguientes
tiempos(en segundos): 1.75; 1.92; 2.62; 2.35; 1.75; 3.15;1.92; 1.75;1.75
notamos que el valor ms frecuente es el numero 1.75 , es decir Mo= 1.75
xi
1.75
1.92
2.35
2.62
3.15

fi
4
2
1
1
1

fi
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
1.75

1.92

2.35

2.62

3.15

LA MEDIANA: Esta medida se denota como Me y se define como un valor que

divide a un conjunto de datos ordenados en dos grupos de igual magnitud.

EJEMPLO: El siguiente conjunto describe los tiempos (en minutos) que se toman
7 analistas para atender a un cliente
13 15 16 20 24 28 30

Por tanto Me = 20
EJEMPLO: Consideremos ahora que el conjunto describe los tiempos (en
minutos) que se toman 8 analistas para atender a un cliente
13 15 16 20 23 24 28 30

Me =

4 + 5 20 + 23
=
= 21.5
2
2

LA MEDIA ARITMETICA: Esta medida de centralidad, por lo

general se considera como la ms importante, representa el punto de
equilibrio de una serie de datos.
Tambin se le denomina promedio, se representa por cuando se halla
de los datos de una muestra, si los datos provienen de una poblacin se
denota por la letra griega
Si la variable X toma los valores x1 ,x2 ,x3 , ,xn la media aritmtica
se define como sigue

EJEMPLO: El siguiente conjunto de datos el tiempo de duracin en horas de un

componente electrnico
75 63 100 36 51 45 80 90

Determinar la media aritmtica

Siendo X: Tiempo de duracin de un componente electrnico
75 + 63 + 100 + 36 + 51+ 45 + 80 + 90
=
8

La media de datos agrupados est dada por

Donde se tienen x1 ,x2 ,x3 , ,xn datos de los cuales k datos son diferentes, as el
dato xi tiene frecuencia fi
EJEMPLO: El siguiente cuadro resume las observaciones del tiempo de duracin
en horas de cierta lmpara incandescente
xi

fi

612

623

1088

1112

1135

xi
612
623
1088
1112
1135

= 25506
=981
26

fi
2
5
7
3
9
26

xi fi
1224
3115
7616
3336
10215
25506

Las medidas de tendencia central no determinan en general el valor

caracterstico del conjunto de datos, por ejemplo consideremos dos
variables X,Y que toman los valores
X: 20, 29, 41, 65,70,90
= 52.5

Y: 20, 48, 50,53,54,90

= 52.5

MEDIDAS DE DISPERSIN
Estas medidas tambin denominadas medidas de variabilidad miden el
grado de separacin de los datos con respecto a un valor central, el
cual por lo general ser la media aritmtica.

Las principales medidas de dispersin son: la varianza, la desviacin

estndar y el coeficiente de variacin

LA VARIANZA
Es una medida que mide la variabilidad del conjunto de datos. Se basa en la
diferencia entre el valor de cada observacin xi y la media, a esta diferencia se le
denomina desviacin respecto al promedio.
desviacin para una muestra
desviacin para la poblacin
Si el conjunto de datos es una poblacin se denota por 2 y se define por
2
(

2 =

Si el conjunto de datos corresponde a una muestra se denota por 2 y se define por

( )2
2
=
1

EJEMPLO: La prevencin por fatiga en la estructura de las aeronaves

es importante para verificar la seguridad de estos medios de transporte.
Un estudio que investiga las fisuras por fatiga en 9 alas con carga
determino las longitudes para las fisuras(en mm) :
2.13; 2.96;3.02;1.82;1.15;1.37;2.04;2.47;2.06

Hallar la varianza

El clculo de la varianza muestral suele ser tedioso, debido a ello es posible

describirla tambin como sigue

1
=
1
2

2 2

EJEMPLO: Calcule la varianza del ejemplo anterior con la formula alterna

Es posible establecer tambin una frmula para datos agrupados

2

2
1

2 =

1
1

2 2

EJEMPLO: Para las observaciones del tiempo de duracin en horas de

cierta lmpara incandescente calcular la varianza muestral
xi

fi

612

623

1088

1112

1135

DESVIACION ESTANDAR: Se define como la raz cuadrada de la

varianza
Anlogamente a la varianza, denotaremos con una notacin diferente
para el caso de la poblacin y de la muestra.

= 2 desviacin estndar de la muestra

= 2 desviacin estndar de la poblacin

EJEMPLO: Calcule la desviacin estndar el problema de la

prevencin por fatiga en la estructura de las aeronaves

EL COEFICIENTE DE VARIACION: Esta medida compara el

grado de concentracin en torno a la media aritmtica, Indica lo grande
que es la desviacin con respecto a la media.
Se denota por cv definindose como sigue

=
100%

EJEMPLO: Calcule el coeficiente de variacin para el problema de la

prevencin por fatiga en la estructura de las aeronaves

La desviacin estndar se aplica para determinar aproximadamente que porcentaje

de los datos se encuentran en un intervalo dado, para ello es posible usar dos
criterios la regla emprica y el teorema de Chebyshev
REGLA EMPIRICA: Para establecer este criterio estableceremos que una
distribucin es simtrica si tiene la siguiente grafica

Algunas de estas graficas corresponden a cierta distribucin continua denominada

Normal.

Si la distribucin de los datos es simtrica tenemos lo siguiente

Aproximadamente el 68.26% de los datos estn a menos de una desviacin
estndar

Aproximadamente el 95.45% de los datos estn a menos de dos desviaciones

estndar
Aproximadamente el 99.74% de los datos estn a menos de tres desviaciones
estndar

EJEMPLO: Un estudio de una compaa de seguros de daos, revel que la

reclamacin promedio por daos a automviles es de $495, con una desviacin
estndar de $75 suponga que las reclamaciones corresponden a una distribucin
simtrica (distribucin normal)
Utilizando la regla emprica describa por intervalos la distribucin de las
reclamaciones
Qu porcentaje de las reclamaciones excede $570

EJEMPLO: Un estudio de una compaa de seguros de daos, revelo que la

reclamacin promedio por daos a automviles es de $495, con una desviacin
estndar de $75 suponga que las reclamaciones corresponden a una distribucin
simtrica (distribucin normal)
Utilizando la regla emprica describa por intervalos la distribucin de las
reclamaciones
Qu porcentaje de las reclamaciones excede $570
SOLUCIN:
< ; + > =< 495 75; 495 + 75 > =< 420; 570 >
Aproximadamente el 68.26% de las reclamaciones por daos varan entre $420 y $570.
< 2 ; + 2 > =< 495 2(75); 495 + 2(75) > =< 345; 645 >
Aproximadamente el 95.45% de las reclamaciones por daos varan entre $345 y $645.
< 3 ; + 3 > =< 495 3(75); 495 + 3(75) > =< 270; 720 >
Aproximadamente el 99.74% de las reclamaciones por daos varan entre $270 y $720.

Qu porcentaje de las reclamaciones excede $570

SOLUCIN:
100 68.26
= 15.87%
2

+
68.26%

< ; + > =< 495 75; 495 + 75 > =< 420; 570 >
Aproximadamente el 68.26% de las reclamaciones por daos varan entre $420 y $570.
Aproximadamente las reclamaciones por daos que exceden los $570 son el 15.87%

DISTRIBUCIN DE FRECUENCIAS POR

INTERVALOS
La distribucin de frecuencias por intervalos o clases se usa cuando
la variable estadstica es continua o cuando el nmero de valores
distintos de una variable discreta es muy grande. Esta distribucin se
obtiene dividiendo el rango de variacin de los datos en intervalos y
determinando el nmero de datos que contiene cada intervalo

EJEMPLO
La distancia recorrida antes de la primera descompostura de 55
mnibus esta dada por la siguiente distribucin de frecuencias
fi
25
20
15
10
5

[120;140]

[100;120>

[80;100>

[60;80>

[40;60>

[20;40>

fi
3
5
10
20
9
6
2

[0;20>

Intervalo
[0;20>
[20;40>
[40;60>
[60;80>
[80;100>
[100;120>
[120;140]

DETERMINACIN DEL RANGO( R ): R = Xmax Xmin

DETERMINACIN DEL NUMERO DE INTERVALOS (N): Si n es el numero de
datos entonces el numero de intervalos esta dado por

o por la regla de Sturges = 1 + 3.3()

Si el nmero de datos diferentes es superior a 25, Si N no es un valor exacto se redondea

al nmero entero inmediato mayor
DETERMINAR LA LONGITUD DE CADA INTERVALO( L ): Se obtiene mediante la

divisin =
Si la divisin no es exacta se aproxima por exceso de manera que se cubra todo el rango
DETERMINAR LOS EXTREMOS DE LOS INTERVALOS

EJEMPLO
Realice la distribucin por intervalos del siguiente conjunto de datos
10
11.2
12.3
12.8
13

10.5
11.5
12.5
12.8
13.1

10.8
11.8
12.5
12.9
13.1

11
12
12.5
13.00
13.2

11
12.3
12.8
13
13.2

EJEMPLO
El ingreso medio anual de los 16,500 obreros de una compaa es de
$116,000 y de los 12,900 empleados de esta compaa es de
$148,000. Si los obreros reciben un aumento del 20% sobre sus
ingresos ms una bonificacin $50,000 por condiciones de trabajo y
los empleados reciben un aumento de 30% ms $60,000 por
refrigerio. Cul es el ingreso promedio de todos los trabajadores de
la compaa despus del aumento?

EJEMPLO
El sueldo medio de los obreros de una fbrica es $286 Qu
porcentajes de hombres y mujeres trabajan en la fbrica si sus
sueldos medios respectivos son $300 y $260?

EJEMPLO: En una empresa donde el sueldo medio es de $400 se

incrementa un personal igual al 25% del ya existente con un sueldo
medio igual al 60% de los antiguos. Si tres meses ms tarde se
incrementa cada sueldo en 20 % ms $30 Cunto es el nuevo salario
medio?

EJEMPLO: Las ventas de un distribuidor de automviles en cierto periodo

ascendieron a la cantidad de $1650,000 vendiendo 50 automviles nuevos a un
precio promedio de $13,000 y algunos carros usados a un precio de $5000 en
promedio Cual es el promedio de los precios de todos los automviles?