Medidas de Tendencia Central y de Variabilidad

Contenidos

Medidas descriptivas de forma: curtosis y asimetra

Medidas de tendencia central: media, mediana y moda
Medidas de dispersin: rango, varianza y desviacin estndar. Coeficiente de
variacin
Percentiles
Diagrama de caja

MEDIDAS DE TENDENCIA CENTRAL

Al trabajar con histogramas y polgonos de frecuencias, vimos que las distribucin de los datos
pueden adoptar varias formas. En algunas distribuciones los datos tienden a agruparse ms en una
parte de la distribucin que en otra. Comenzaremos a analizar las distribuciones con el objeto de
obtener medidas descriptivas numricas llamadas estadsticas, que nos ayuden en el anlisis de las
caractersticas de los datos. Dos de estas caractersticas son de particular importancia para los
responsables de tomar decisiones: la tendencia central y la dispersin
MEDIDAS DE TENDENCIA CENTRAL:

Moda, mediana y media

Tendencia central : La tendencia central se refiere al punto medio de una distribucin. Las medidas
de tendencia central se denominan medidas de posicin.
Moda:
es el valor que ms se repite en un conjunto de datos.
Ejemplo 1: Los siguientes datos representan la cantidad de pedidos diarios
recibidos en un perodo de 20 das, ordenados en orden ascendente
0
6

Mo = 15

0
6

1
7

1
7

2
8

2
12

4
15

4
15

5
15

5
19

La cantidad de pedidos diarios que ms se repite es 15

Fte: Empresa NN. 2009

Autores: Liliana Marconi / Adriana DAmelio

Ejemplo 2: La cantidad de errores de facturacin por da en un perodo de 20 das,

ordenados en orden ascendente es
0
6

0
6

1
7

1
8

1
8

2
9

4
9

4
10

4
12

5
12

Esta distribucin tiene 2 modas. Se la llama distribucin bimodal .

Mo = 1 y Mo = 4

Fte: Empresa NN. 2009

Clculo de la moda para datos agrupados

Si los datos estn agrupados en una distribucin de frecuencias, se selecciona el intervalo de clase
que tiene mayor frecuencia llamado clase modal.
Para determinar un solo valor de este intervalo para la moda utilizamos la siguiente ecuacin:

d1
Mo = LMo +
d1 + d 2

.h

Mo Moda
LMo Lmite inferior de la clase modal
d1
frecuencia de la clase modal menos la frecuencia de la clase
anterior a ella ( d 1 = f i - f i -1 )
d2

frecuencia de la clase modal menos la frecuencia de la clase

posterior a ella ( d 2 = f i - f i +1 )

amplitud del intervalo de clase

Ejemplo 3: La edad de los jubilados encuestados en Mendoza en noviembre del 2008

EDAD
[50,60)
[60, 70)
[70, 80)
[80, 90)
[90,100)

mi
55
65
75
85
95

fi
10
18
14
6
2

f ri
0,20
0,36
0,28
0,12
0,04

f ri %
20
36
28
12
4

Fi
10
28
42
48
50

Fri

Fri %

0,20
0,56
0,84
0,96
1

20
56
84
96
100

Autores: Liliana Marconi / Adriana DAmelio

La clase modal es [60, 70) , ya que es la que presenta la mayor frecuencia

LMo = 60

f i = 18

f i -1 = 10

d 1 = f i - f i -1 =18-10 =8

f i +1 = 14

h = 10

d 2 = f i - f i +1 = 18-14=4

8
Mo = 60 +
.10 = 66,66
8+4
v La edad que ms se repite es 66,66 aos

VENTAJAS Y DESVENTAJAS DE LA MODA

v Se puede utilizar para datos cualitativos nominales u ordinales y para datos
cuantitativos
v No se ve afectada por los valores extremos
v Se puede utilizar cuando la distribucin de frecuencias tenga clases abiertas
v Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, se dice que
no tiene moda
v Si un conjunto de datos contiene 2 puntuaciones adyacentes con la misma frecuencia
comn (mayor que cualquier otra), la moda es el promedio de las 2 puntuaciones
adyacentes Ej. (0,1,1,2,2,2,3,3,3,4,5) tiene Mo=2,5
v Si en un conjunto de datos hay dos que no son adyacentes con la misma frecuencia
mayor que las dems, es una distribucin bimodal. Conjuntos muy numerosos se
denominan bimodales cuando presentan un polgono de frecuencias con 2 lomos, an
cuando las frecuencias en los 2 picos no sean exactamente iguales. Estas ligeras
distorsiones de la definicin estn permitidas porque el trmino bimodal es muy
conveniente y en ltimo trmino es descriptivo. Una distincin conveniente puede
hacerse entre la moda mayor y la moda menor. Por ejemplo en el grfico siguiente, la
moda mayor es 6 y las menores son 3,5 y 10
Puntuaciones obtenidas en un examen de aptitudes

Fte: Elaboracin propia. 2009

Autores: Liliana Marconi / Adriana DAmelio

Mediana:
es el valor que divide al conjunto ordenado de datos, en dos subconjuntos
con la misma cantidad de elementos. La mitad de los datos son menores que la
mediana y la otra mitad son mayores

En general, vamos a representar un conjunto de n datos como

Si los datos estn ordenados, los indicaremos

x1 , x 2 , x3 , ... , x n
x( 1 ) , x( 2 ) , x( 3 ) , ... , x( n )

donde el subndice encerrado entre parntesis indica el orden o ubicacin en el conjunto ordenado

Se presentan dos situaciones:

v Nmero impar de datos: La mediana es el dato que est en la posicin

n +1
2

~=~
x = x n +1
Me = m

Sea el conjunto ordenado de datos:

2

x( 1 )

x( 2 )

x( 3 )

x( 4 )

x( 5 )

Me = x n+1 = x 5 +1 = x( 3 ) = 5

b La mitad de las observaciones son menores o iguales que 5 y la otra mitad son mayores o
iguales que 5.

v Nmero par de datos: Es el promedio entre los dos datos centrales.

x n + x n

+1
2

~=~
Me = m
x=

x( 1 )

x( 2 )

x( 3 )

x( 4 )

x( 5 )

x (6 )

x 6 + x 6
Me =

+1
2

x( 3 ) + x( 3+1)
2

x( 3 ) + x(4 )
2

5+6
= 5 ,5
2

b La mitad de las observaciones son menores o iguales que 5,5 y la otra mitad son mayores o
iguales que 5,5.

Autores: Liliana Marconi / Adriana DAmelio

Clculo de la mediana para datos agrupados

Si los datos estn agrupados en una distribucin de frecuencias, se selecciona el intervalo de
clase que contiene a la mediana llamado clase mediana. Para ello, debemos determinar la frecuencia
acumulada absoluta que contenga al elemento nmero

n+1
. El valor de este intervalo para la
2

mediana se calcula utilizando la siguiente ecuacin:

n+1

- Fi -1

~=~
.h
Me = m
x = Lm + 2
fi

Me Mediana
Lm Lmite inferior de la clase mediana
n
cantidad de datos
Fi-1 frecuencia acumulada absoluta de la clase anterior al
intervalo mediana
fi
frecuencia absoluta de la clase mediana
h
amplitud del intervalo de clase

Ejemplo (Continuacin): La edad de los residentes en un complejo de viviendas tiene la

siguiente distribucin:
EDAD

mi

[50,60)
[60, 70)
[70, 80)
[80, 90)
[90,100)

55
65
75
85
95

fi

f ri

10
18
14
6
2

0,20
0,36
0,28
0,12
0,04

f ri %
20
36
28
12
4

Fi
10
28
42
48
50

Fri

Fri %

0,20
0,56
0,84
0,96
1

20
56
84
96
100

50 + 1
, es
2
decir en la posicin 25,5 . Buscamos en la frecuencia acumulada Fi y vemos que se
La clase mediana es la que contenga el elemento en la posicin

halla en el intervalo [60, 70)

LMe = 60

Fi -1 = 10

f i = 18

h=5

25,5 - 10
Me = 60 +
.10 = 68,61
18
INTERPRETE: ...............................................................................
VENTAJAS Y DESVENTAJAS DE LA MEDIANA
v Se puede utilizar para datos cualitativos ordinales y para datos cuantitativos
Autores: Liliana Marconi / Adriana DAmelio

v No se ve afectada por los valores extremos. Esta es la propiedad ms importante que

tiene.
v Se puede utilizar cuando la distribucin de frecuencias tiene clases abiertas, a menos
que la mediana caiga en una de las clases abiertas
v Si hay un gran nmero de datos, el tener que ordenarlos para hallar la mediana
insume esfuerzo y tiempo.

Media o media aritmtica:

Es el promedio de los datos

v Una muestra con n (minscula) observaciones, tiene una media x (que se denomina
estadstica)
v Una poblacin con N (mayscula) elementos tiene una media m (que se denomina
parmetro)
Clculo de la media para datos no agrupados

m=

x=

x
n

Vemos que es la suma de las observaciones divididas el total de datos. Cuando calculamos la
media de la poblacin, dividimos por la cantidad de datos de la poblacin N y cuando se calcula la
media muestral por n
Ejemplo: El Departamento de Accin Social ofrece un estmulo especial a aquellas
agrupaciones en las que la edad promedio de los nios que asisten est
por debajo de 9 aos. Si los siguientes datos corresponden a las edades
de los nios que acuden de manera regular al Centro calificar ste
para el estmulo?
8 5 9 10 9 12 7

x=

12 13 7 8

x = 8 + 5 + 9 + 10 + 9 + 12 + 7 + 12 + 13 + 7 + 8 = 9,09
n

11

Interpretacin: ...........................................................................................................
..................................................................................................................................
Clculo de la media para datos agrupados
Para calcular la media para datos agrupados, primero calculamos el punto medio de cada clase
(marca de clase mi ). Despus multiplicamos cada punto medio por la frecuencia absoluta de cada
intervalo

x=

mi . f i
n
Autores: Liliana Marconi / Adriana DAmelio

Una manera de hacer los clculos es utilizando la siguiente tabla:

EDAD

mi

[50,60)
[60, 70)
[70, 80)
[80, 90)
[90,100)
Total

x=

mi . f i

fi
55
65
75
85
95

10
18
14
6
2
50

550
1170
1050
510
190
3470

3470
= 69,4
50

La edad promedio es de 69,4 aos

VENTAJAS Y DESVENTAJAS DE LA MEDIA
v Se trata de un concepto familiar e intuitivamente claro
v Cada conjunto de datos tiene una media y es nica
v Es til para llevar a cabo procedimientos estadsticos como la comparacin de medias
de varios conjuntos de datos. En estadstica inferencial es la medida de tendencia
central que tiene mejores propiedades
v Aunque la media es confiable en el sentido de que toma en cuenta todos los valores
del conjunto de datos, puede verse afectada por valores extremos que no son
representativos del resto de los datos. La media puede malinterpretarse si los datos
no forman un conjunto homogneo.
v No se puede calcular la media si la distribucin de frecuencias tiene clases abiertas
COMPARACIN ENTRE LA MEDIA, LA MEDIANA Y LA MODA
v Las distribuciones simtricas tienen el mismo valor para la media, la mediana y la
moda.
v En una distribucin con sesgo positivo, la moda se halla en el punto ms alto de la
distribucin, la mediana est hacia la derecha de la moda y la media ms a la derecha.
Es decir

Mo < Me < x

v En una distribucin con sesgo negativo, la moda es el punto ms alto, la mediana est
a la izquierda de la moda y la media est a la izquierda de la mediana. Es decir, x <
Me < Mo
v Cuando la poblacin tiene una distribucin sesgada, con frecuencia la mediana
resulta ser la mejor medida de posicin, debido a que est siempre entre la media y la
moda. La mediana no se ve altamente influida por la frecuencia de aparicin de un
solo valor como es el caso de la moda, ni se distorsiona con la presencia de valores
extremos como la media.
v La seleccin de la media, la mediana o la moda, depende de la aplicacin. Por
ejemplo, se habla del salario promedio (media); el precio mediano de una casa nueva
Autores: Liliana Marconi / Adriana DAmelio

puede ser una estadstica ms til para personas que se mudan a un nuevo vecindar io
(si hay una o dos crestas que distors ionan la media). Y mientr as que la famili a
pr omedio conste de 1,7 nios, tiene ms sentido para los diseadores de automviles
pensar en la famili a modal, con dos nios.

M E DIDAS DE V A RIA B I L I DAD

Dispersin: L a dispersin se refiere a la extensin de los datos, es decir al grado en que las
observaciones se distribuyen (o se separan).
E xisten otras dos caractersticas de los conjuntos de datos que proporcionaninformacin til: el
sesgo y la curtosis.
Sesgo ( skewness) : L as curvas que representan un conjunto de datos pueden ser simtricas o
sesgadas. L as curvas simtricas tienen una forma tal que una lnea vertical que pase por el punto ms
alto de la curva, divide al rea de sta en dos partes iguales. Si los valores se concentran en un
extremo se dice sesgada. U na curva tiene sesgo positivo cuando los valores van disminuyendo
lentamente hacia el extremo derecho de la escala y sesgo negativo en caso contrario.
?

E l sesgo es una medida de la asimetr a de la curv a. E n general es un valor que va de -3 a 3.

Una curv a simtr ica toma el valor 0.

SESGO POS I T IVO

SI M T R I CA (Sesgo 0)

SESGO NEG AT IVO

C ur tosis ( K urtosis) : Nos da una idea de la agudeza (o lo plano) de la distribucin de frecuencias.

Una curva normal (es el patrn con el que se compara la curtosis de otras curvas) tiene curtosis 0.
E sta curva se llama mesocrtica. Si la curtosis es mayor que 0, la curva es ms empinada que la
anterior y se denomina leptocrtica (Lepto, del griego, "empinado" o "estrecho"). Si la curtosis es
menor que 0, es relativamente plana y se denomina platicrtica ( "plano", "ancho")
(E n el grfico la curva punteada es la curva normal (mesocrtica))

A utores: L iliana Marconi / A driana DA melio

MEDIDAS DE DISPERSIN
Las medidas de dispersin son tiles porque:
Nos proporcionan informacin adicional que nos permite juzgar la confiabilidad de nuestra medida
de tendencia central. Si los datos estn muy dispersos la posicin central es menos representativa de
los datos, como un todo, que cuando estos se agrupan ms estrechamente alrededor de la media.
Ya que existen problemas caractersticos de distribuciones muy dispersas, debemos ser capaces de
distinguir que presentan esa dispersin antes de abordar los problemas
Nos permiten comparar varias muestras con promedios parecidos
Los analistas financieros estn preocupados por la dispersin de las ganancias de una empresa que
van desde valores muy grandes a valores negativos. Esto indica un riesgo mayor para los accionistas
y para los acreedores. De manera similar los expertos en control de calidad, analizan los niveles de
calidad de un producto

RANGO:
Es la diferencia entre el mayor y el menor de los valores
Observados

R = x( n ) - x( 1 )
Siendo x( n ) la observacin mayor y x( 1 ) la observacin
Menor

v El rango es fcil de entender y de encontrar, pero su utilidad como medida de

dispersin es limitada. Como slo toma en cuenta el valor ms alto y el valor ms bajo
ignora la naturaleza de la variacin entre todas las dems observaciones, y se ve muy
influido por los valores extremos.
v Debido a que considera slo dos valores tiene muchas posibilidades de cambiar
drsticamente de una muestra a otra en una poblacin dada.
v Las distribuciones de extremo abierto no tienen rango.

VARIANZA Y DESVIACIN ESTNDAR

Las descripciones ms comprensibles de la dispersin son aquellas que tratan con la desviacin
promedio con respecto a alguna medida de tendencia central. Veremos dos medidas que nos dan una
distancia promedio con respecto a la media de la distribucin: varianza y desviacin estndar.
VARIANZA DE LA POBLACIN:
Es el promedio de las distancias al cuadrado que van de las observaciones a la media

Autores: Liliana Marconi / Adriana DAmelio

 (x - m )
=

s
s2:
x :
m :
N:

x2
N

- m2

Varianza de la poblacin
Elemento u observacin
Media de la poblacin
Nmero total de elementos de la poblacin

DESVIACIN ESTNDAR DE LA POBLACIN:

Es la raz cuadrada de la varianza

s =

(x - m )
N

x2 - m 2
N

Para calcular la varianza de la poblacin, dividimos la suma de las distancias al cuadrado entre la
media y cada elemento de la poblacin. Al elevar al cuadrado cada una de las distancias, logramos
que todos los nmeros que aparecen sean positivos y, al mismo tiempo asignamos ms peso a las
desviaciones ms grandes. Las unidades de la varianza estn elevadas al cuadrado (pesos al cuadrado,
unidades al cuadradro, etc.) lo que hace que no sean claras o fciles de interpretar.
La desviacin estndar, que es la raz positiva de la varianza, se mide en la misma unidad que la
variable, y su interpretacin es " en promedio los valores se alejan de la media en ..... unidades"
Aplicacin de la desviacin estndar poblacional
La desviacin estndar nos permite determinar, con un buen grado de precisin, dnde estn
localizados los valores de una distribucin de frecuencias con relacin a la media.
Para curvas cualesquiera, el teorema de Chebyshev asegura que al menos el 75% de los valores
caen dentro de 2s (2 desviaciones estndar) a partir de la media m , y al menos el 89% de los
valores caen dentro de 3s .
Se puede medir con ms precisin el porcentaje de observaciones que caen dentro de un rango
especfico de curvas simtricas con forma de campana (regla emprica):
1. Aproximadamente 68% de las observaciones cae dentro de 1s
2. Aproximadamente 95% de las observaciones cae dentro de 2s
3. Aproximadamente 99% de las observaciones cae dentro de 3s

Autores: Liliana Marconi / Adriana DAmelio

En el grfico interpretamos el 0 como m , y los nmeros como unidades de s . Por ejemplo, 1

es m + s ; -1 es m - s ; 2 es m + 2s ; etc.

Clculo de la varianza y la desviacin estndar utilizando datos agrupados

( mi - m ). f i mi2 . f i

=
=
N

s = s2 =

( mi - m ). f i
N

- m2

mi2 . f i
N

-m2

s 2 : Varianza de la poblacin
s : Desviacin estndar de la poblacin
f i : frecuencia absoluta de la clase i
mi : marca de clase de la clase i
m : media de la poblacin
N : tamao de la poblacin

VARIANZA Y DESVIACIN ESTNDAR MUESTRAL

Para calcular la varianza y la desviacin estndar muestral se utilizan las mismas frmulas que las
poblacionales, sustituyendo m

con x y N con n - 1 .

La utilizacin de n - 1 en lugar de n se ver con ms detalle ms adelante.

Autores: Liliana Marconi / Adriana DAmelio

Las expresiones para el clculo de la varianza y desviacin estndar muestral son:

DATOS SIN AGRUPAR
VARIANZA MUESTRAL:

(x - x )
=

s
s2 :
x :
x :
n:

n -1

x2

n.x
n -1 n -1

Varianza de la muestra
Elemento u observacin
Media de la muestra
Nmero de elementos de la muestra

DESVIACIN ESTNDAR MUESTRAL:

(x - x )

s= s =
2

n -1

x 2 - n.x
n-1

n -1

DATOS AGRUPADOS
VARIANZA MUESTRAL:

s2 =

( mi - x ). f i
n -1

DESVIACIN ESTNDAR MUESTRAL:

s=

( mi - x ). f i
n -1

s : Varianza de la muestra
s : Desviacin estndar de la muestra
f i : frecuencia absoluta de la clase i
mi : marca de clase de la clase i
x : media de la muestra
n : tamao de la muestra
Ejemplo:
Los siguientes datos representan una muestra de la cantidad de pedidos
diarios entregados :
17

a)
b)

25

28

27

16

21

20

22

18

23

Hallar el rango, la varianza y la desviacin estndar e interpretar.

Hallar el porcentaje de observaciones que estn alrededor de la media a una distancia de 2
desviaciones estndar. Comparar con el teorema de Chebyshev y con la regla emprica
a) Para hallar el rango ordenamos el conjunto de mayor a menor
16

17

18

20

21

22

23

25

27

28
Autores: Liliana Marconi / Adriana DAmelio

R = x ( 10 ) - x ( 1 ) = 28 - 16 = 12 La diferencia entre el mayor y el menor valor observado es 12

Para el clculo de la varianza conviene realizar un cuadro:
x
(1)

x-x

(2)

(3)

16
17
18
20
21
22
23
25
27
28

21,7
21,7
21,7
21,7
21,7
21,7
21,7
21,7
21,7
21,7

-5,7
-4,7
-3,7
-1,7
-0,7
0,3
1,3
3,3
5,3
6,3

x = 217

(x - x )

(x - x )

(x - x )
=

1)

(1)2

(4)
32,49
22,09
13,69
2,89
0,49
0,09
1,69
10,89
28,09
39,69
2

x2

n -1

256
289
324
400
441
484
529
625
729
784

= 152 ,1

x 2 = 4861

152 ,1
= 16 ,9
10 - 1

s = s 2 = 4 ,11 En promedio, la cantidad de pedidos se separa de la

media, en 4,11 (pedidos).
2)

b)

x2
=

n.x
4861 10.(21,7 )
152 ,1
=
=
= 16 ,9
n -1 n -1
9
9
9
2

( x - 2 s ; x + 2 s ) = ( 21,7 - 8 ,22;21,7 + 8 ,22 ) = ( 13 ,48 ;28 ,92 )

Todos los valores de la variable caen en este intervalo o sea el 100%

Segn Chebyshev: al menos el 75% de los valores caen en ese intervalo, por lo tanto se verifica
Segn la regla emprica: aproximadamente el 95% de las observaciones caen en dicho intervalo,
(el 100% es un valor bastante cercano)
COEFICIENTE DE VARIACIN:
La desviacin estndar es una medida absoluta de la dispersin que expresa la variacin en las
mismas unidades que los datos originales. Pero no puede ser la nica base para la comparacin de
dos distribuciones. Por ejemplo si tenemos una desviacin estndar de 10 y una media de 5, los
valores varan en una cantidad que es el doble de la media. Si por otro lado tenemos una desviacin
estndar de 10 con una media de 5000, la variacin respecto a la media es insignificante.
Lo que necesitamos es una medida relativa que nos proporcione una estimacin de la magnitud de
la desviacin respecto de la magnitud de la media.
El coeficiente de variacin es una medida relativa de dispersin que expresa a la desviacin
estndar como un porcentaje de la media

CV =

s
.100%
m

en la poblacin

CV =

s
.100%
x

en la muestra

Autores: Liliana Marconi / Adriana DAmelio

Se lo utiliza en la comparacin de variacin de dos o ms grupos.

Ejemplo: Se pretende comparar el desempeo en ventas de 3 vendedores. Los resultados
siguientes dan los promedios de puntajes obtenidos en los cinco aos pasados por la concrecin de
los objetivos
A 88 68 89 92 103
B 76 88 90 86
79
C 104 88 118 88 123

x A = 88

s A = 12 ,67

x B = 83 ,8

s B = 6 ,02

x C = 104 ,2

sC = 16 ,35

12 ,67
.100% = 14 ,4%
88
6 ,02
CV =
.100% = 7 ,18%
83 ,8
16 ,35
CV =
.100% = 15 ,69%
104 ,2
CV =

Vemos que el vendedor C tiene la mayor variabilidad, mientras que el B tiene la menor. El
desempeo de C parece ser mejor si analizamos la media, pero hay que tener en cuenta que tambin
tiene la mayor variabilidad en la concrecin de los objetivos.
PERCENTILES
Un percentil aporta informacin acerca de la dispersin de los datos en el intervalo que va del
menor al mayor valor de los datos. En los conjuntos de datos que no tienen muchos valores repetidos,
el percentil p divide e los datos en dos partes. Cerca del p porciento de las observaciones tienen
valores menores que el percentil p y aproximadamente (100-p) por ciento de las observaciones tienen
valores mayores o iguales que este valor.
Definicin:
El percentil p es un valor tal que por lo menos p porciento de las observaciones son menores o
iguales que este valor y por lo menos (100-p) por ciento de las restantes son mayores o iguales que
ese valor.
Clculo del percentil:
Paso 1. Ordenar los datos de menor a mayor en orden ascendente.
Paso2. Calcular el ndice i

p
n
100

i=

donde p es el percentil deseado y n el nmero de observaciones.

Paso 3. (a) Si no es un nmero entero, debe redondearse al primer entero mayor que i denotando la
posicin del percentil p.
(b) Si es un nmero entero, el percentil p es el promedio de los valores en las posiciones i e i+1
Ejemplo:
Se tiene los primeros sueldos de 12 egresados en Administracin.
Ordenados son:
3310

3355

3450

3480

3480

3490

3520 3540 3550 3650 3730 3925

Autores: Liliana Marconi / Adriana DAmelio

Paso 2:

p 85
n =
12 = 10.2
100 100

i=

Paso 3. Como i no es un nmero entero se debe redondear al primer entero mayor que es 11.
Es decir el percentil 85 se encuentra en la posicin 11. Este es 3730
CUARTILES
Con frecuencia es conveniente dividir los datos en cuatro partes, as cada una contiene el 25% de los
datos. A los puntos de divisin se los llama cuartiles :
Q1= primer cuartil o percentil 25
Q2= segundo cuartil o percentil 50
Q1= tercer cuartil o percentil 75

Rango intercuartlico (RIC) es tambin una medida importante a tener en cuenta, es la diferencia
entre el tercer y primer cuartel
RIC= Q3- Q1
Nos indica el 50 % de las observaciones centrales
DIAGRAMA DE CAJA Y BIGOTES
Un diagrama de caja es un resmen grfico de los datos con base en el resumen de cinco nmeros .
La clave para elaborar un diagrama de cajas est en calcular Q1, Q3 y la mediana o Q2.
Tambin hay que calcular el RIC= Q3- Q1
Pasos para dibujar el diagrama de cajas:
1. Se dibuja una caja cuyos extremos se localicen en el primer y tercer cuartel. En nuestros datos
de salarios Q1=3465 y Q3= 3600 . Significa que la caja contiene el 50% de los datos centrales .
2. En el punto dnde se localiza la mediana (3505) se traza una lnea horizontal o vertical segn
se represente la caja en posicin vertical u horizontal respectivamente. Si se quieren comparar dos
poblaciones a veces tambin se representa la media dentro de la caja.
3.Usando el rango intercuartlico RIC= Q3- Q1 se localizan los lmites. En un diagrama de caja
los lmites se encuentran en 1,5*(RIC) abajo del Q1 y 1,5(RIC) arriba del Q3 . En el caso de los
salarios el RIC= Q3- Q1 = 3600-3465=135. por lo tanto los lmites son
Li=3465 - 1,5*(RIC)= 3465-1,5*135 = 3262,5
Ls= 3600+ 1,5*(RIC)= 3600+1,5*135=3802,5
Los datos que quedan fuera de estos lmites se consideran observaciones atpicas.
4. A las lneas punteadas se las llama bigotes . Los bigotes van desde los extremos de la caja
hasta los valores menor y mayor de los correspondientes a los lmites inferior y superior encontrados
en el paso 3.Por lo tanto los bigotes terminan en los salarios cuyos valores son 3310 y 3730.
Autores: Liliana Marconi / Adriana DAmelio

5. Por ltimo con un crculo o asterisco se identifica la observacin atpica 3925.

Actividad con R

> sueldo<-c(3310,3355,3450,3480,3480,3490,3520,3540,3550,3650,3730,3925)
> boxplot(sueldo, main="Primer sueldo de los egresados de Administracin", col="blue")

Este grfico no se puede realizar con Excel.

Para obtener todas las medidas juntas usando R se utiliza el comando summary.
Summary(sueldo)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3310 3472 3505 3540 3575 3925

Para datos sin agrupar en el caso de la edad de los jubilados encuestados se colocan en una
columna y luego en el men herramientas se busca anlisis de datos estadstica descriptiva se marca
el rango de las celdas y se le pide resumen de estadsticas aceptar y larga
Edad de los jubilados encuestados en Mendoza en noviembre del 2008.
Columna1
Media
Error tpico
Mediana

68,42
1,47277054
65,5
Autores: Liliana Marconi / Adriana DAmelio

Moda
65
Desviacin estndar
10,4140604
Varianza de la muestra 108,452653
Curtosis
-0,6706671
Coeficiente de asimetra 0,43071849
Rango
40
Mnimo
53
Mximo
93
Suma
3421
Cuenta

50

Ejemplo de los salarios de los egresados de Administracin:

Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

3540
47,8198957
3505
3480
165,652978
27440,9091
1,71888364
1,09110869
615
3310
3925
42480
12

Autores: Liliana Marconi / Adriana DAmelio