Sesión Temas

-Aspectos Generales del curso.

1 -Medidas de Tendencia Central.

-Medidas de Dispersión

2 -Introducción a las probabilidades.

-Reglas para calcular Probabilidades.

--Reglas de Adición.

--Reglas de Multiplicación.

3 -Tablas de contingencia.

4 -Tablas de Contingencias con datos

incompletos.

5 --Introducción a la probabilidad Binomial.

6 Taller Final.

14
MEDIDAS DE TENDENCIA CENTRAL (MEDIDAS DE UBICACIÓN).

A menudo se les llama promedios. El propósito de una medida de ubicación consiste en señalar el
centro de un conjunto de valores.

A. LA MEDIA ARITMÉTICA.

Es la suma de todos los valores recopilados en una observación dividido entre la cantidad de
observaciones o valores. Esta puede ser Media Poblacional o Media Muestral.

Ejemplo:

Compañía Número de patentes

concedidas
General Motors 511
DaimierChrysler 275
Honda 249
Mazda 210
Porsche 50
Volvo 23

Calculando la media aritmética de la muestra:

∑X 511+275+249+210+50+23
µ = ------ = --------------------------------------- = 219
n 6

La media aritmética tiene un punto débil. Para calcularla, se toma en cuenta cada elemento de la
muestra o población. Si uno o dos de estos valores son extremadamente grandes o pequeños
comparados con la mayoría de los datos, entonces la media aritmética podría no ser un promedio
adecuado para representar los datos.

Por ejemplo, suponga que los ingresos anuales de un pequeño grupo de corredores de bolsa es de
62,900; 61,600; 62,500; 60,800 y 1,200,000. El ingreso calculado como media aritmética es de
289,560; lo cual no es representativo del grupo ya que todos, salvo un corredor tienen ingresos
entre 60,000 y 63,000. Un ingreso de 1.2 millones afecta en exceso el cálculo de la media.

15
 B. LA MEDIANA.

Ya que si los datos contienen uno o dos valores muy grandes o muy pequeños, la media aritmética
no resulta representativa. Otra posible manera de describir el centro de dichos datos es a partir
de una medida de ubicación denominada mediana.

Para obtenerla la mediana, se deben ordenar los datos de menor a mayor o viceversa. Luego se
busca el punto medio de los valores.

Ejemplo:

Una persona desea comprar una casa; se comunica en contacto con un corredor de bienes y
raíces. Éste le informa que el valor promedio de las casas está en 110,000. El comprador solo
tiene 75,000 para comprar; inicialmente pensaríamos que no podrá comprar la casa.

Analizando con detenimiento, podemos ver que las casas valen 60,000; 65,000; 70,000; 80,000 y
275,000. La media aritmética de estos datos es 110,000. Pero el punto medio, es decir el valor en
todo el centro es 70,000; es decir, la persona si puede comprar la casa que desea.

Precios ordenados de Precios ordenados de

menor a mayor mayor a menor
60,000 275,000
65,000 80,000
70,000 Punto medio  70,000
80,000 65,000
275,000 60,000

Cuando la cantidad de valores es impar la mediana se localiza fácilmente, sin realizar cálculo
alguno.

Cuando la cantidad de valores es par, entonces se debe calcular la media aritmética de los dos
valores del centro de las observaciones. Razón por la cual, la mediana podría no estar incluida
dentro de los datos originales.

16
Ejemplo:

Supongamos que en el ejemplo anterior tenemos 6 precios distintos de casas.

Precios ordenados de
menor a mayor
60,000
65,000
70,000 150,000 / 2 = 75,000
80,000
135,000
275,000

En este caso se toman los dos valores del centro, 70,000 y 80,000 y se les calcula la media o
promedio. De esta manera 70,000 más 80,000 nos da 150,000; divido entre 2; tenemos que
nuestra mediana es: 75,000.

C. LA MODA.

Es el valor de la observación que aparece con mayor frecuencia, es decir el que más se repite.

No inciden sobre la moda los valores demasiados grandes o pequeños.

Ejemplo:

Los salarios anuales de los gerentes de control de calidad en algunos de los estados de Estados
Unidos son los siguientes:

Estado Salario Estado Salario Estado Salario

Arizona 35,000 Illinois 58,000 Ohio 50,000
California 49,100 Louisiana 60,000 Tennessee 60,000
Colorado 60,000 Maryland 40,000 Texas 71,400
Florida 60,000 Massachusetts 60,000 Virginia Oeste 60,000
Idaho 40,000 Nueva Jersey 65,000 Wyoming 55,000

17
El salario anual de 60,000 es el que se aprecia con mayor frecuencia (seis veces) que otros salarios.
Por consiguiente, la moda es 60,000.

Cuando los datos que se analizan son todos diferentes, nunca tendremos una moda.

18
MEDIDAS DE DISPERSIÓN.

Una medida de ubicación como la media o la mediana, solamente describe el centro de los datos.
Desde este punto de vista resulta valiosa, pero no dice nada sobre la dispersión de los datos.

Las medidas de dispersión, permiten considerar que tan lejos o cerca están los datos con relación
a la medida de ubicación (media aritmética).

Un valor pequeño en una medida de dispersión indica que los datos se acumulan con proximidad
alrededor de la media aritmética. Por consiguiente, la media se considera representativa de los
datos. Por el contrario, una medida grande de dispersión, indica que la media aritmética no es
confiable.

Las medidas de dispersión se utilizan por lo general para comparar entre dos o más conjuntos de
observaciones.

Ejemplo:

Dos compañías, A y B, produce monitores de computadoras. Ambas tienen una media aritmética
de producción de 50 monitores por hora. En principio pareciera que ambas compañías tienen una
producción muy similar por hora.

Sin embargo tenemos que la compañía A produce de 48 a 52 monitores por hora; mientras que la
compañía B produce de 40 a 60 monitores por hora.

En ambos casos las medias aritméticas son iguales 50, pero en la compañía A, la producción por
hora, o dispersión de los datos de producción, están más cerca de la media, por lo tanto es más
confiable.

Por el contrario, la compañía B, tiene una mayor dispersión de los datos de producción con
respecto a la media aritmética.

Entre las medidas de dispersión tenemos el Rango, la Desviación Media y la Desviación Estándar.

19
RANGO.

Es la medida más simple de dispersión. Representa la diferencia entre los valores máximo y
mínimo de un conjunto de datos. Es fácil de entender y de calcular.

RANGO = Valor Máximo – Valor Mínimo.

Ejemplo:

En el ejemplo ya utilizado de las empresas fabricantes de monitores; la empresa A tiene como

limites: 48 (mínimo) y 52 (máximo). En consecuencia 52 – 48 da un rango igual 4; es decir 2 por
arriba de la media, y dos por debajo de la media; que es 50.

Mientras que en la compañía B tenemos que los limites son 40 (mínimo) y 60 (máximo). Por tanto
60 – 40 da como rango igual a 20; es decir 10 por arriba de la media y 10 por debajo de la media,
que es 50.

DESVIACIÓN MÉDIA.

Mide la cantidad media respecto de la cual los valores de una población o muestra varían.

Esta medida de dispersión considera todos los valores (ya que el Rango solo considera los valores
de los extremos). Además , es fácil de definir: es la cantidad promedio que los valores se desvían
de la media.

Sin embargo, su inconveniente es el empleo de valores absolutos. Por lo general, es difícil trabajar
con valores absolutos, así que la desviación media no se emplea con tanta frecuencia.

20
Ejemplo:

El número de capuchinos vendidos en el local de Momentos ubicado en el Centro de David, entre

las 4 y siete de la noche de una muestra de 5 días del mes pasado fue de 50, 20, 40, 60 y 80. En el
local de Momentos en el aeropuerto Enrique Malek, el número de capuchinos vendidos entre las
cuatro y siete de la noche en una muestra de 5 días del mes pasado fue de 20, 49, 50, 51 y 80.

MOMENTOS – CENTRO DE DAVID

Número de observaciones(x) (x - µ) Desviación Absoluta

50 (50 – 50) = 0 0
20 (20 – 50) = -30 30
60 (60 – 50) = 10 10
40 (40 – 50) = -10 10
80 (80 – 50) = 30 30
Total 250 0 Total 80

µ = 250 / 5 = 50

Sumatoria de la Desviación Absoluta 80

DM = ------------------------------------------------------ = ----- = 16
Número de Observaciones 5

MOMENTOS – AEROPUERTO ENRIQUE MALEK

Número de observaciones(x) (x - µ) Desviación Absoluta

20 (20 – 50) = -30 30
49 (49 – 50) = -1 1
50 (50 – 50) = 0 0
51 (51 – 50) = 1 1
80 (80 – 50) = 30 30
Total 250 Total 62

µ = 250 / 5 = 50

Sumatoria de la Desviación Absoluta 62

DM = ------------------------------------------------------ = ----- = 12.4
Número de Observaciones 5

21
DESVIACIÓN ESTÁNDAR.

También se fundamenta en las desviaciones de la media. Sin embargo en lugar de trabajar con el
valor absoluto, lo hace con el cuadrado de las desviaciones.

Utilizando el ejemplo anterior, tenemos que:

MOMENTOS – AEROPUERTO ENRIQUE MALEK

Número de observaciones(x) (x - µ) (x - µ)2

20 (20 – 50) = -30 900
49 (49 – 50) = -1 1
50 (50 – 50) = 0 0
51 (61 – 50) = 1 1
80 (80 – 50) = 30 900
Total 250 0 1802

Sumatoria de los cuadrados de las Desviaciones 1802

DE2 = -------------------------------------------------------------------- = --------- = 360.4
Número de Observaciones 5

DE = √DE2

DE = √360.4

DE = 18.9

22