MEDIDAS ESTADÍSTICAS

TENDENCIA CENTRAL
DISPERSIÓN
 MEDIDAS ESTADISTICAS
• Medidas de resumen que se calculan a partir de una
muestra y que describen ciertos aspectos de una
serie o distribución de datos para poder tener un
mejor conocimiento de la población.

FINALIDAD
"RESUMIR" la información de
la "MUESTRA" para poder
tener así un mejor
conocimiento de la población.
 CLASIFICACION DE LAS MEDIDAS ESTADÍSTICAS
Media aritmética
Medidas de
Tendencia Mediana
central:
Moda

Medidas
Estadísticas

Rango o recorrido
Medidas de Desviación típica o estándar
dispersión:
Varianza
Coeficiente de variación
 MEDIDAS DE TENDENCIA CENTRAL

Son estadígrafos que permiten hallar un

solo valor numérico e indican el “centro”
de un conjunto de datos.
MUESTRA POBLACION

• Media aritmética simple X 

• La Mediana me Me
• La Moda
mo Mo
RESUMEN Y ANÁLISIS PARA DATOS CUANTITATIVOS
Medidas de Tendencia Central

CALCULOS DE LA MEDIA:
CASO 1: Datos No Agrupados

x
Donde:
i Xi = Diferentes valores de la variable
x i 1 en estudio.
n = tamaño de la muestra
n
EJEMPLO:
Se tiene las facturaciones de exportación de espárragos y
hortalizas de una Empresa Agroindustrial en el periodo de 2008
y 2011.(millones de dólares.)

Año 2008 2009 2010 2011

US$ 19 21 23 30

Determine: El promedio de US$ facturados.

Fórmula:

x i 19  21  23  30
x i 1
  23.3
n 4

El promedio de las facturaciones por exportación de espárragos y hortalizas por la

E.A. del periodo 2008 a 2011, es de US$ 23.3 millones de dólares.
 RESUMEN Y ANÁLISIS PARA DATOS CUANTITATIVOS
Medidas de Tendencia Central

CALCULOS DE LA MEDIA:

• CASO 2: A PARTIR DE DATOS DE LOS CUALES ALGUNOS SE REPITEN CON CIERTA

FRECUENCIA. (MEDIA PONDERADA)
•
Ejemplo:
En una Universidad, 28 profesores tienen 5 años de
servicio, 16 profesores tienen 10 y 11 profesores tienen
15. Hallar el tiempo promedio de servicio de los docentes.
 RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS

Tendencia Central

MEDIA - Datos Agrupados

Ej.:
Un fabricante de aleaciones metálicas está preocupado por las quejas de sus clientes
acerca de la falta de uniformidad en el punto de fusión de los filamentos ( º C) metálicos
producidos. Se seleccionaron 40 filamentos y sus puntos de fusión fueron los
siguientes:
Fórmula:
k

Yf i i
x i 1
n

17400
x
40
x  435

El Punto promedio de Fusión

es de 435 ( º C).

Fuente: Área de Registros de Fábrica.

RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS
MEDIANA
• Se denota por Me.
• Es el valor que divide al conjunto de datos en dos partes iguales. La
mitad de ellos son menores a Me y la otra mitad son mayores a Me.
Mediana Me
50% 50%

Valor Mínimo Valor Máximo

RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS
Tendencia Central

MEDIANA - Datos No Agrupados

Cuando n es impar:
1. Se ordenan los números en forma ascendente o descendente.
2. Se calcula el valor (n + 1)/2 y el valor mediano será el Nº que ocupa el lugar
(n + 1)/2

Cuando n es par:
3. Se ordena la serie en forma ascendente o descendente.
4. El valor mediano será el promedio de los valores centrales correspondientes a
la serie ordenada.
 RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS
Tendencia Central

Ej.: La siguiente información son las calificaciones de la primera evaluación continua.

Determinar la Mediana:

17 19 19 19 18 16 18 18 19 15 20

Luego de Ordenar: 15 16 17 18 18 18 19 19 19 19 20

Como n es impar, Calcular: (11+1) / 2 = 6 , Buscar en datos ordenados el lugar 6. Me = 18

“El 50% de las calificaciones de la primera evaluación parcial tiene 18 el

Otro 50% supera dicha calificación
RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS
Tendencia Central

MEDIANA - Datos Agrupados

• Calcular el elemento determinante: Fórmula:
n/2, donde
n = número de datos.
• Ubicar este elemento en la
columna de las Fj (frecuencias
absolutas acumuladas).
• Determinar el intervalo mediano,
este intervalo es aquel donde se
encuentre la Fj inmediatamente
Donde:
mayor o igual a n/2. Li = Límite inferior del intervalo de interés
C = Amplitud interválica
n = número de datos
j = intervalo de interés (clase mediana)
j-1 = intervalo anterior al intervalo de interés.
RESUMEN Y ANALISIS PARA DATOS CUANTITATIVOS
MEDIANA - Datos Agrupados
Ej.:
Un fabricante de aleaciones metálicas está preocupado por las quejas de sus clientes acerca de la falta
de uniformidad en el punto de fusión de los filamentos ( º C) metálicos producidos. Se seleccionaron
40 filamentos y sus puntos de fusión fueron los siguientes:
n 
  Fj 1 
Me  Li  A  2 
 Fj  F j-1 
 

Buscar Intervalo Mediano

n/2 = 20
 20  17 
Me  400  50 
 23 - 17 

Me  425
El 50% de los Puntos de Fusión
son menores o iguales a 425 y el
restante 50% son mayores a 425 ( º
C) .
Fuente: Área de Registros de Fábrica.
 Tendencia Central
MODA
• Se denota por Mo
• Se define como el valor que más repite en un conjunto de datos.
• Un conjunto de datos puede presentar los siguientes casos:
12 30
10 25
8 20

6 15

Amodal 4 10 Unimodal
2 5

0 0
1 2 3 4 5 6 1 2 3 4 5 6

30 25

25 20
20
15
15

Bimodal 10
10

5 Trimodal
5
0 0
1 2 3 4 5 6 1 2 3 4 5 6
 Tendencia Central

MODA - Datos No Agrupados

• Simplemente observar en el conjunto de datos el valor o dato que

más se repite.

Ej.: La siguiente información son las calificaciones de la primera evaluación continua.

Determinar la Moda:
17 19 19 19 18 16 18 18 19 15

El valor que más se repite es la calificación 19. Por lo tanto, la moda de las
calificaciones de la primera evaluación continua es 19.
 Medidas de Posición - Tendencia Central

MODA - Datos Agrupados

• Determinar el intervalo modal, este intervalo modal será aquel

donde se encuentra la mayor fi (frecuencia absoluta simple)

Fórmula:

Donde:
Linf = Límite inferior del intervalo de interés
C = Amplitud interválica
i = intervalo de interés
i-1 = intervalo anterior al intervalo de interés.
i+1 = intervalo posterior al intervalo de interés
 Tendencia Central

MODA - Datos Agrupados

Ej.:
Un fabricante de aleaciones metálicas esta preocupado por las quejas Fórmula:
de sus clientes acerca de la falta de uniformidad en el punto de fusión de
los filamentos ( º C) metálicos producidos. Se seleccionaron 40
filamentos y sus puntos de fusión fueron los siguientes:

Punto de Nº de Porcentaje de
Nº de Porcentaje de
Fusión Filamentos
Filamentos
Filamentos
Filamentos
Acumulados Acumulados
( º C) fi hi %
Fi Hi %

300 – 350 8 8 20 20 Identificar Mayor fi

350 – 400 9 17 23 43  98 
Mo  350  50 
400 – 450 6 23 15 58   9  8   9  6  
450 – 500 7 30 17 75 Mo  362.5
500 – 550 4 34 10 85
550 – 600 6 40 15 100 El Punto de Fusión que más se
TOTAL 40 100 repite es de 362.5 ( º C).

Fuente: Área de Registros de Fábrica.

MEDIDAS Estadísticas
CONTINUACION…

PROCESAR
INFORMACIÓN
MEDIDAS DE DISPERSIÓN
Indican como los datos se
dispersan alrededor de su
punto central (la media).
Miden la variabilidad o la
distancia promedio de
separación de los datos a
su valor central.
MEDIDAS DE DISPERSIÓN
Cuanto mayor sea ese
valor mayor será la
variabilidad, cuanto
menor sea, más
homogénea será a la
media
 Recorrido
(Rango)

Absolutas Varianza

Desviación
Medidas de Estándar
dispersión

Coeficiente de
Relativas Variación
RANGO O RECORRIDO
Es la medida de dispersión más sencilla. Se determina restando , el valor máximo del valor mínimo , de los datos.

R = valor máx. – valor mín.

Ejemplo: Se tiene el registro de una semana, acerca del tiempo en minutos,
que demora la movilidad de casa al centro de estudios . Los datos son:
15´, 14.5`, 12.5`, 22`, 20`. Encontrar el rango del tiempo de demora de
esta movilidad.

R = 22 – 12.5 = 9.5
 LA VARIANZA
 La varianza mide la mayor o menor dispersión de los valores
de la variable respecto a la media aritmética. La varianza se
expresa en las mismas unidades que la variable analizada, pero
elevadas al cuadrado.

Símbolo que la representa:

2
s
Donde:
Xi : valores de la variable X n : tamaño de la muestra
Yi :marca de clase de cada variable o grupo. σ² :Varianza poblacional
N : tamaño de la población S² :Varianza muestral.
DESVIACIÓN ESTÁNDAR
• Conocida también como la desviación típica y es la medida que
nos indica cuánto tienden a alejarse los datos del
promedio. Se calcula sacando la raíz cuadrada de la varianza.
Población

2
 

Muestra
2
S s 
 
COEFICIENTE DE VARIACIÓN

Es una medida relativa de variabilidad de los datos. Permite

comparar la variabilidad de dos o más conjuntos de datos
expresados en unidades diferentes (peso: Kg. y libras).

S
CV   100
x
•Si el CV ≤ 33% el conjunto de datos tiene un comportamiento homogéneo.
•Si el CV > 33% el conjunto de datos tiene un comportamiento heterogéneo.
Ejemplo: Determinar la Varianza, Desviación Estándar y Coeficiente de Variación en
los siguientes conjuntos de datos poblacionales:

17 19 18 18 16 20

Determinar el Promedio X = (17+19+18+18+16+20) / 6 = 18

Determinar la Varianza

 n 2 
  Xi  2  1954 2
 2 s   18   1.67
s 
2 i 1
x  6 
 n 
 
 
 s 2  1.67

Desviación Estándar

s  1.29
“Las calificaciones presentan una variabilidad de
1.29 puntos respecto a la nota promedio 18”

Coeficiente de Variación

1.29
c.v   100%  7.18%
18
“Las calificaciones son homogéneas”
 Ejemplo: OBTENCIÓN DE LAS MEDIDAS DE DISPERSIÓN
MONTOS EN SOLES CORRESPONDIENTES A LOS
INGRESOS SEMANALES DE LOS TRABAJADORES SAGA FALABELLA
Marca de Promedio:
MONTOS Nº de
Clase Xi 2 * fi
Clientes fi
Xi * fi
S/. Xi x  17400 / 40  435
300 – 350 8 325 2600 845000 Varianza:
350 – 400 9 375 3375 1265625
7860000
400 – 450 6 425 2550 1083750 S2   435^ 2  7275
450 – 500 7 475 3325 1579375
40
Desv. Stand.:
500 – 550 4 525 2100 1102500
550 – 600 6 575 3450 1983750 S  7275  85.294
TOTAL 40 17400 7860000
Coef. Var.:
Fuente: Área de Contabilidad de Saga Falabella.
85.294
CV  x100  19.6%
435
“Los ingresos presentan una variabilidad del S/. 85.294. respecto a su promedio y además presentan
homogeneidad”
 Ejemplo : Coeficiente de variación
Comparar_ la estatura en cm y el peso en kg. de los 20 niños
seleccionados de gimnasia artística y determine que medida es
más homogénea o estable.
Estatura (X) Peso (Y)

X  128, 5 Y  36,4
S X  8, 4 SY  4,9

8.4 4.9
CV   100  6.5% CV   100  13.5%
128.5 36.4

La medida referente a la altura tiene menor variabilidad , por

lo tanto sus datos son más homogéneos a su promedio.
ejemplo para datos poblacionales:
por la apertura de una oficina en trujillo se contrataron 5 personas este año. sus
sueldos mensuales al comienzo fueron: $536; $173; $448; $121; $622
dólares
a. calcule la media poblacional
b. determine la varianza poblacional
c. calcule la desviación estándar poblacional
d. la oficina en lima contrato 6 personas. el sueldo promedio es de $550
desviación estándar $350. compare los dos grupos

Media =PROMEDIO(D32:D36) 380

Varianza =VARP(D32:D36) 39490.8
Desviación estandar =DESVESTP(D32:D36) 198.7

Existe mayor variación en la oficina de Lima porque la desviación

estándar es grande, la media también en mayor en dicha oficina.
Ejemplo para datos muestrales:
una muestra de cinco salarios por hora para varios trabajos en el área es:
$2, $10, $6, $8, $9.
encuentre la varianza y desviación estándar muestral.

(2  10  6  8  9) 35
x= = =7
5 5

2
2 Σ( xi - x)
S =
n 1

(2 - 7) 2  (10  7) 2  (6  7) 2  (8  7) 2  (9  7) 2 40
2
S =   10
5 1 5 1

S  10  3.16
 “Las cosas no se dicen, se hacen,
porque al hacerlas se dicen solas”