Medidas de tendencia central.

Al describir grupos de diferentes observaciones, con frecuencia es conveniente

resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele
situarse hacia el centro de la distribucin de datos se
denomina medida o parmetro de tendencia central o de centralizacin. Cuando
se hace referencia nicamente a la posicin de estos parmetros dentro de la
distribucin, independientemente de que est ms o menos centrada, se habla de
estas medidas como medidas de posicin.1 En este caso se incluyen tambin
los cuantiles entre estas medidas. La tendencia central se refiere al punto medio
de una distribucin. Las medidas de tendencia central se denominan medidas de
posicin. Las medidas de tendencia central ms utilizadas, son la media
aritmtica, la mediana y la moda.

Segn (Chao, 1997), los datos obtenidos pueden condensarse en un solo valor
central alrededor del cual todos los datos muestrales se distribuyen.

Segn (Spiegel, 1991), es un valor tpico o representativo de un conjunto de datos

que suele situarse hacia el centro del conjunto de datos ordenados por magnitud.

Qu es la media aritmtica?

La media aritmtica es la medida de tendencia central ms utilizada y es igual

a lo que conocemos como promedio. Entonces la media es la suma de los
valores de todas las observaciones, dividida entre el nmero de observaciones
realizadas.

Qu es la mediana?

La mediana es el valor central que se localiza en una serie ordenada de datos.

Qu es la Moda?
 La moda es el valor ms frecuente en una serie de datos. Por ejemplo, para
los siguientes datos, la moda es 15, porque es el valor que se repite ms.

Cules son las ventajas y las desventajas de cada una de las medidas de
tendencia central revisadas?

La media es la ms usada de las medidas de tendencia central, sus

principales ventajas es que es muy fcil de calcular, para determinar su valor
se toman en cuenta todos los datos y es muy importante en inferencia
estadstica por las propiedades de su distribucin muestral. Su principal
desventaja es que debido a que es el punto de equilibrio de la distribucin su
valor se ve muy afectado por datos extremos, por lo que si la distribucin es
muy sesgada no es conveniente utilizarla.