Universidad Mariano Glvez de Guatemala

Sede Universitaria Chiquimula

Maestra Direccin y Gestin del Recurso Humano
Ingeniera Claudia Esmeralda Villela
Mtodos Cuantitativos

Medidas de Tendencia Central

Erick Rigoberto Medina Cordn

3228- 09-1280

Chiquimula, 16 de julio del 2,016

ndice

Contenido
Introduccin................................................................................................................. i
I.

Medidas de tendencia central...............................................................................1

A.

La media aritmtica Simple..................................................................................2

1.

Propiedades de la Media Aritmtica Simple.......................................................3

2.

Inconvenientes de su uso de la Media Aritmtica..............................................3

B.

Media aritmtica ponderada................................................................................. 4

C. Media geomtrica................................................................................................. 6
1.

Propiedades....................................................................................................... 6

2.

Ventajas............................................................................................................. 6

3.

Desventajas....................................................................................................... 6

D. Media armnica.................................................................................................... 7
1.

Propiedades....................................................................................................... 8

3.

Ventajas............................................................................................................. 8

4.

Desventajas....................................................................................................... 8

E.

Moda..................................................................................................................... 9
1.

Propiedades..................................................................................................... 10

2.

Inconvenientes................................................................................................ 11

F.

Mediana.............................................................................................................. 11
1.

Clculo de la mediana para datos agrupados..................................................12

2.

Propiedades e inconvenientes.........................................................................12

II. Conclusiones......................................................................................................... 14
Bibliografa................................................................................................................ 15

Introduccin
En ocasiones es conveniente resumir la informacin de una muestra (que se
representa mediante las distribuciones de frecuencias vistas anteriormente) en un
solo valor para obtener indicadores del comportamiento de la variable en
diferentes sentidos, como punto alrededor del que toma valores, variabilidad, etc.
Resumir la informacin mediante un solo nmero es interesante para comprender
mejor cmo se comporta la variable y para poder realizar comparaciones
En este captulo se considerar las medidas de tendencia central habituales. La
idea de centro de una distribucin no es nica, aunque en trminos generales se
puede decir que se trata de encontrar un punto alrededor del cual tome valores la
variable. Se debe tener en cuenta que existen variables cualitativas y variables
cuantitativas, por lo que las medidas de posicin o medidas de tendencia se usan
de acuerdo al tipo de variable que se est observando, en este caso se observan
variables cuantitativas.
En el caso de las variables con valores que pueden definirse en trminos de
alguna escala de medida de igual intervalo, puede usarse un tipo de indicador que
permite apreciar el grado de dispersin o variabilidad existente en el grupo de
variantes en estudio. A estos indicadores les llamamos medidas de dispersin, por
cuanto que estn referidos a la variabilidad que exhiben los valores de las
observaciones, ya que si no hubiere variabilidad o dispersin en los datos inters,
entonces no habra necesidad de la gran mayora de las medidas de la Estadstica
descriptiva.
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un
valor representativo, las medidas de dispersin nos dicen hasta qu punto estas
medidas de tendencia central son representativas como sntesis de la informacin.
Las medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad
de los valores de la distribucin respecto al valor central. Distinguimos entre
medidas de dispersin absolutas, que no son comparables entre diferentes
muestras y las relativas que nos permitirn comparar varias muestras.
1

Medidas de tendencia central

Segn el autor (Hamdan, 2006) 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 sta est ms o menos centrada, se habla de estas
medidas como medidas de posicin. En este caso se incluyen tambin los cuartiles
entre estas medidas. Supngase que un determinado alumno obtiene 35 puntos en una
prueba de matemtica. Este puntaje, por s mismo tiene muy poco significado a menos
que podamos conocer el total de puntos que obtiene una persona promedio al participar
en esa prueba, saber cul es la calificacin menor y mayor que se obtiene, y cun
variadas son esas calificaciones.
En otras palabras, para que una calificacin tenga significado hay que contar con
elementos de referencia generalmente relacionados con ciertos criterios estadsticos.
Las medidas de tendencia central (media, mediana y moda) sirven como puntos de
referencia para interpretar las calificaciones que se obtienen en una prueba.
Volviendo a nuestro ejemplo, digamos que la calificacin promedio en la prueba que
hizo el alumno fue de 20 puntos. Con este dato podemos decir que la calificacin del
alumno se ubica notablemente sobre el promedio. Pero si la calificacin promedio fue
de 65 puntos, entonces la conclusin sera muy diferente, debido a que se ubicara muy
por debajo del promedio de la clase. Sirve como un mtodo para comparar los
resultados medios obtenidos por dos o ms grupos.
Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas,
por lo que las medidas de posicin o medidas de tendencia se usan de acuerdo al tipo
de variable que se est observando, en este caso se observan variables cuantitativas.

Entre las medidas de tendencia central tenemos:

A La media aritmtica Simple

Segn el autor (Sanchez, 2007) la media aritmtica es el valor obtenido por la suma
de todos sus valores dividida entre el nmero de sumadores. Las medidas de tendencia
central son medidas representativas que como su nombre lo indica, tienden a ubicarse
hacia el centro del conjunto de datos, es decir, una medida de tendencia central
identifica el valor del dato central alrededor de cual se centran los dems datos, siendo
la media aritmtica una de aquellas medidas. Segn el autor (Govinden, 2005) la
medida aritmtica, al igual que cualquier otra medida de datos estadsticos, cuando se
calcula a nivel de toda la poblacin, se denominan parmetro, como por ejemplo, la
calificacin promedio en el examen de admisin de todos los estudiantes que ingresan
a la Universidad UTN al primer semestre del presente ao lectivo. Pero si se calcula
basada en muestras, se denomina estadgrafo o estadstico, como por ejemplo, la
calificacin promedio en el examen de admisin de estudiantes de colegios fiscales que
ingresan a la Universidad UTN al primer semestre del presente ao lectivo.
Tabla No. 1 Ejemplo de Media Aritmtica
Nio

nota

6,0

Primero, se suman las notas:

5,4

6,0+5,4+3,1+7,0+6,1 = 27,6

3,1

7,0

6,1

Luego el total se divide entre la cantidad de alumnos:

27,6/5=5,52
La media aritmtica en este ejemplo es 5,52

Media Aritmtica recuperada de http://www.monografias.com/trabajos85/mediaaritmetica/media-aritmetica.shtml de mayo del 2015

Como se puede ver en la tabla anterior la media aritmtica es, probablemente,

uno de los parmetros estadsticos ms extendidos. Se le llama tambin promedio o,
simplemente, media. As mismo el autor de la presente hace referencia en cuanto al
analizar esta tabla podemos tener un dato promedio de lo que se ha planteado. Por lo
cual ahora es de mucha importancia abordar el tema de las propiedades que debe
poseer la media aritmtica por lo cual se mencionara a continuacin:
1. Propiedades de la Media Aritmtica Simple
Segn el autor (Webster, 2007) las principales propiedades de la media
aritmtica son:
a) Su clculo es muy sencillo y en l intervienen todos los datos.
b) Su valor es nico para una serie de datos dada.
c) Se usa con frecuencia para comparar poblaciones, aunque es ms
apropiado acompaarla de una medida de dispersin.
d) Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto
de datos, ya que tiene la propiedad de equilibrar las desviaciones de los
datos respecto de su propio valor.
e) Minimiza las desviaciones cuadrticas de los datos respecto de cualquier
valor prefijado, esto es, el valor de es mnimo cuando Este resultado se
conoce como Teorema de Knig. Esta propiedad permite interpretar uno
de los parmetros de dispersin ms importantes: la varianza.

2. Inconvenientes de su uso de la Media Aritmtica

Segn el autor (Suarez, 2005) este parmetro, aun teniendo mltiples
propiedades que aconsejan su uso en situaciones muy diversas, tiene
tambin algunos inconvenientes, como son:
a) Para datos agrupados en intervalos (variables continuas) su valor oscila
en funcin de la cantidad y amplitud de los intervalos que se consideren.

b) Es una medida a cuyo significado afecta sobremanera la dispersin, de

modo que cuanto menos homogneos sean los datos, menos informacin
proporciona. Dicho de otro modo, poblaciones muy distintas en su
composicin pueden tener la misma media. Por ejemplo, un equipo de
baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente,
tendra una estatura media de 1,95 m, valor que representa fielmente a
esta poblacin homognea. Sin embargo, un equipo de jugadores de
estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m,
por ejemplo, tendra tambin, como puede comprobarse, una estatura
media de 1,95 m, valor que no representa a casi ninguno de sus
componentes.
c) En el clculo de la media no todos los valores contribuyen de la misma
manera. Los valores altos tienen ms peso que los valores cercanos a
cero No se puede determinar si en una distribucin de frecuencias hay
intervalos de clase abiertos.

A. Media aritmtica ponderada

Segn el autor (Lind, 2005) A veces puede ser til otorgar pesos o valores a los
datos dependiendo de su relevancia para determinado estudio. En esos casos se
puede utilizar una media ponderada. Si son nuestros datos y son sus "pesos"
respectivos, la media ponderada se define de la siguiente forma ponderado decir es
un promedio calculado por dar diferentes pesos a algunos de los valores
individuales. Si todos los pesos son iguales, entonces la media ponderada es igual a
la media aritmtica. Considerando que los medios ponderados generalmente se
comportan en un enfoque similar a los medios de aritmtica, tienen unas
propiedades instintivas de contador. Elementos de datos con un alto peso
contribuyan ms a la media ponderada de elementos con un bajo peso. El peso no
puede ser negativo. Algunos pueden ser cero, pero no todos ellos dado que la

divisin por cero no est significan jugar un papel importante en los sistemas de
anlisis de datos, ponderada diferencial y clculo integral. La media ponderada de
dado el conjunto de datos no negativos que {x 1, x2, x3,...xn} con pesos no negativos
{w1, w2, w3,...wn} se puede derivar de la frmula

donde x es el valor de repeticin

w es el nmero de ocurrencias de x (weight)
xxes la media ponderada
La coleccin de herramientas emplea el estudio de mtodos y procedimientos
utilizados para que recopilar, organizar y analizar datos para comprender la teora de la
probabilidad y estadstica. El conjunto de ideas que pretende ofrecer la manera de
hacer la implicacin cientfica de tales como resultado datos resumidos. En muchas
aplicaciones es necesario calcular la media ponderada para un conjunto de datos con
distintos errores individuales. Con esta calculadora media ponderada en lnea sin
esfuerzo puede hacer que su clculo para el conjunto de teniendo en cuenta las
observaciones. Esencialmente, la media muestral es el mismo parmetro que el
anterior, aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que la
media aritmtica se calcula para un subconjunto de la poblacin objeto de estudio. La
media muestral es un parmetro de extrema importancia en la inferencia estadstica,
siendo de gran utilidad para la estimacin de la media poblacional, entre otros usos.

C. Media geomtrica
Segn el autor (Johson, 2005) en matemticas y estadstica, la media geomtrica de
una cantidad arbitraria de nmeros (por decir n nmeros) es la raz n-sima del
producto de todos los nmeros, es recomendada para datos de progresin geomtrica,
para promediar razones, inters compuesto y nmeros ndices. As mismo la media
geomtrica tiene sus propiedades las cuales son las siguientes:
1. Propiedades
a) El logaritmo de la media geomtrica es igual a la media aritmtica de los
logaritmos de los valores de la variable.
b) La media geomtrica de un conjunto de nmeros positivos es siempre
menor o igual que la media aritmtica:
2. Ventajas
a) Considera todos los valores de la distribucin
b) Es menos sensible que la media aritmtica a los valores extremos.
3. Desventajas
a) Es de significado estadstico menos intuitivo que la media aritmtica.
b) Su clculo es ms difcil.
c) Si un valor entonces la media geomtrica se anula o no queda
determinada.
Solo es relevante la media geomtrica si todos los nmeros son positivos. Como
hemos visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un nmero
negativo (o una cantidad impar de ellos) entonces la media geomtrica sera o bien

negativa, o bien inexistente en los nmeros reales. En muchas ocasiones se utiliza su

trasformacin en el manejo estadstico de variables con distribucin no normal. La
media geomtrica es relevante cuando varias cantidades son multiplicadas para
producir un total.
4. Diferencias entre la media aritmtica y la media geomtrica
a. Si quieres la media aritmtica de 3, 4 y 18, por ejemplo, debes sumar 3
+ 4 + 18, y despus dividirlo entre 3 ya que son tres nmeros. El
resultado es 25/3 o 8.333, lo cual muestra que si tuvieras tres valores
de 8.3333, dara la misma suma que los valores individuales de 3, 4 y
18. La media aritmtica responde la pregunta de, si todas las
cantidades tuvieran el mismo valor, qu valor tendra que ser ese para
que sumen el mismo total?
b. Por contraste, la media geomtrica responde a la pregunta de, si
todas las cantidades tuvieran el mismo valor, qu valor tendra que ser
para tener el mismo producto al multiplicarse?2 As que para encontrar la
media geomtrica de 3, 4 y 18, tenemos que multiplicar 3 x 4 x 18. Esto
nos da 216. Ahora tenemos que sacar la raz cbica (la raz cbica
porque son tres nmeros originalmente). La respuesta es 6. En otras
palabras, ya que 6 x 6 x 6 = 3 x 4 x 18, 6 es la media geomtrica de 3, 4 y
18.
c. La media geomtrica de cualquier conjunto de nmeros siempre es
menor que o igual a la media aritmtica de ese conjunto. Lee el archivo
en wikipedia sobre la desigualdad de las medias aritmticas y
geomtricas.

d. La media geomtrica solo aplica en nmeros no negativos. En problemas

reales donde se usa la media geomtrica, el escenario no tiene razn si
se usan nmeros negativos.

D. Media armnica
Segn el autor (Pliego Lopez, 2007) la media armnica (designada usualmente
mediante H) de una cantidad finita de nmeros es igual al recproco, o inverso, de la
media aritmtica de los recprocos de dichos valores y es recomendada para promediar
velocidades.
As, dados n nmeros x1, x2, ... , xn la media armnica ser igual a:

La media armnica resulta poco influida por la existencia de determinados valores

mucho ms grandes que el conjunto de los otros, siendo en cambio sensible a valores
mucho ms pequeos que el conjunto. La media armnica no est definida en el caso
de que exista algn valor nulo.
1. Propiedades
b) La inversa de la media armnica es la media aritmtica de los inversos de
los valores de la variable.
c) Siempre se puede pasar de una media armnica a una media aritmtica
transformando adecuadamente los datos.
d) La media armnica siempre es menor o igual que la media aritmtica, ya
que para cualquier nmero real positivo

3. Ventajas
a) Considera todos los valores de la distribucin y en ciertos casos, es ms
representativa que la media aritmtica.
4. Desventajas
a) La influencia de los valores pequeos y el hecho que no se puede
determinar en las distribuciones con algunos valores iguales a cero; por
eso no es aconsejable su empleo en distribuciones donde existan valores
muy pequeos.
Segn la autora (Romero, 2008) la media armnica surge de manera natural al
calcular el ndice de Paasche, uno de los nmeros ndice ms comunes. Considrese
una serie temporal que resulta de agregar el valor nominal de la produccin o el gasto
en mercancas. Para aislar cambios en cantidades de cambios en precios el ndice de
Laspeyres fija los precios del periodo anterior y compara el gasto hoy con los precios de
ayer al gasto de ayer

Al dejar los precios fijos, se interpreta que slo refleja cambios en cantidades o
reales. Tambin se puede observar que se trata de una media donde el cambio en la
cantidad de la mercanca aparece ponderada por el peso del gasto en esta mercanca
sobre el gasto total. El ndice de Paasche, al revs, procede a dejar fijos los precios de
hoy: compara el gasto hoy con el gasto de ayer si hubieran prevalecido los precios de
hoy.

De esta definicin no podemos obtener una media ponderada como antes. Sin
embargo, si se considera la frmula invertida ocurre que

Pero entonces

E. Moda
Segn el autor (Spiegel, 2005) la moda es el dato ms repetido de la encuesta, el
valor de la variable con mayor frecuencia absoluta. En cierto sentido la definicin
matemtica corresponde con la locucin "estar de moda", esto es, ser lo que ms se
lleva. Su clculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo modal o,
en su defecto, si es necesario obtener un valor concreto de la variable, se recurre a la
interpolacin. Por ejemplo, el nmero de personas en distintos vehculos en una
carretera: 5-7-4-6-9-5-6-1-5-3-7. El nmero que ms se repite es 5, entonces la moda
es 5.Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima. Cuando
en una distribucin de datos se encuentran tres o ms modas, entonces es multimodal.
Por ltimo, si todas las variables tienen la misma frecuencia diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha
de definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta.

10

La moda, cuando los datos estn agrupados, es un punto que divide el intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:

Donde
Li = L Inferior de la clase modal
D1 = es el delta de frecuencia absoluta modal y la frecuencia absoluta premodal.
D2 = es el delta de frecuencia absoluta modal y la frecuencia absoluta postmodal.
Ai = Amplitud del intervalo modal.
Siendo la frecuencia absoluta del intervalo modal y las frecuencias absolutas de los
intervalos anterior y posterior, respectivamente, al intervalo modal.
1. Propiedades
Sus principales propiedades son:
a) Clculo sencillo.
b) Interpretacin muy clara.
c) Al depender solo de las frecuencias, puede calcularse para variables
cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una
poblacin no es posible realizar otros clculos, por ejemplo, cuando se
enumeran en medios periodsticos las caractersticas ms frecuentes de
determinado sector social. Esto se conoce informalmente como "retrato
robot".

11

2. Inconvenientes
a) Su valor es independiente de la mayor parte de los datos, lo que la hace
muy sensible a variaciones muestrales. Por otra parte, en variables
agrupadas en intervalos, su valor depende excesivamente del nmero
de intervalos y de su amplitud.
b) Usa muy pocas observaciones, de tal modo que grandes variaciones en
los datos fuera de la moda, no afectan en modo alguno a su valor.
c) No siempre se sita hacia el centro de la distribucin.
d) Puede haber ms de una moda en el caso en que dos o ms valores de
la variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).

F. Mediana
Segn los autores ( Wackerly, Mendenhall, & Scheaffer, 2005) la mediana es un
valor de la variable que deja por debajo de s a la mitad de los datos, una vez que stos
estn ordenados de menor a mayor. Por ejemplo, la mediana del nmero de hijos de un
conjunto de trece familias, cuyos respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y
1, es 2, puesto que, una vez ordenados los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el
que ocupa la posicin central es 2.
En caso de un nmero par de datos, la mediana no correspondera a ningn valor de
la variable, por lo que se conviene en tomar como mediana el valor intermedio entre los
dos valores centrales.
Existen mtodos de clculo ms rpidos para datos ms numerosos (vase el artculo
principal dedicado a este parmetro). Del mismo modo, para valores agrupados en

12

intervalos, se halla el "intervalo mediano" y, dentro de ste, se obtiene un valor concreto

por interpolacin.
1. Clculo de la mediana para datos agrupados
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla del margen
derecho).
As, aplicando la frmula asociada a la mediana para n impar, obtenemos
X(39+1)/2 = X20 y basndonos en la frmula que hace referencia a las
frecuencias absolutas:
Ni-1< n/2 < i = N19 < 19.5 < N20
Por tanto la mediana ser el valor de la variable que ocupe el vigsimo lugar. En
nuestro ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5) > 19.5 con lo
que Me = 5 puntos (es aconsejable no olvidar las unidades; en este caso como
estamos hablando de calificaciones, sern puntos)
2. Propiedades e inconvenientes
Las principales propiedades de la mediana son :
a) Es menos sensible que la media a oscilaciones de los valores de la
variable. Un error de transcripcin en la serie del ejemplo anterior en,
pongamos por caso, el ltimo nmero, deja a la mediana inalterada.
b) Como se ha comentado, puede calcularse para datos agrupados en
intervalos, incluso cuando alguno de ellos no est acotado.
c) No se ve afectada por la dispersin. De hecho, es ms representativa
que la media aritmtica cuando la poblacin es bastante heterognea.
Suele darse esta circunstancia cuando se resume la informacin sobre
los salarios de un pas o una empresa. Hay unos pocos salarios muy
13

altos

que

elevan

la

media

aritmtica

haciendo

que

pierda

representatividad respecto al grueso de la poblacin. Sin embargo,

alguien con el salario "mediano" sabra que hay tanta gente que gana
ms dinero que l, como que gana menos.
Sus principales inconvenientes son que en el caso de datos agrupados en intervalos, su
valor vara en funcin de la amplitud de estos. Por otra parte, no se presta a clculos
algebraicos tan bien como la media aritmtica.

II. Conclusiones
1. Las medidas de tendencia central tienen como objetivo el sintetizar los datos
en un valor representativo, las medidas de dispersin nos dicen hasta qu
punto estas medidas de tendencia central son representativas como sntesis
de la informacin. Las medidas de dispersin cuantifican la separacin, la
dispersin, la variabilidad de los valores de la distribucin respecto al valor
central. Distinguimos entre medidas de dispersin absolutas, que no son

14

comparables entre diferentes muestras y las relativas que nos permitirn

comparar varias muestras.
2. Se puede establecer como conclusin sobre el tema de tendencia central,
que es el conjunto de mecanismos que se tiene para el estudio de los
mtodos y procedimientos donde se dan los datos tabulados que ayudan a
dar inferencias cientficas partiendo de tales datos.
3. Estos datos sirven para que todas las ramas de la ciencia donde se necesita
llegar a dar conclusiones sobre situaciones; por medio de los datos se forman
grupos describindolos con solo un nmero. Para tal fin no se utilizan los
extremos sino que un valor ms tpico, el cual se encuentra en el centro.
4. Este centro sirve para poder llegar a un punto medio donde se ubicara el
promedio o punto central de los datos descritos para poder establecer
resultados como se puede ver a lo largo dela historia como es el caso de
Mendel

Bibliografa
Govinden, L. (2005). Introduccion a la Estadistica. Bogota, Colombia: McGraw Hill.
Hamdan, G. N. (2006). Metodos Estadisticos en Educacion. Caracas: Ediciones en la
Biblioteca.
15

Johson, R. (2005). Estadstica Elemental. Mxico DF.: Math Learning.

Lind, M. (2005). Estadstica Aplicada a los Negocios y a la Economa (Decima ed.).
Mexico, DF.: McGraw Hill.
Pliego Lopez, J. (2007). Introduccin a la Estadstica Econmica y Empresarial. Teora
y Prctica. Madrid, Espaa: Thomson.
Romero, E. (2008). Manual de Estadstica Empresarial con ejercicios resueltos. Madrid,
Espaa: Delta Publicaciones.
Sanchez, J. (2007). Introduccion a la Estadistica Empresarial. Madrid, Espaa: McGraw
Hill.
Spiegel, M. (2005). Estadstica, Serie de Compendios Schaum. Mexico: McGraw-Hill.
Suarez, M. (2005). Interaprendizaje Holstico de Matemtica. Ibarra, Ecuador : Grficas
Planeta.
Webster, A. (2007). Estadisitica Aplicada a los Negocios y la Economia . Bogota,
Colombia : McGraw Hill.
Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2005). Descripcin de un conjunto de
mediciones: mtodos numricos, Estadstica matemtica con aplicaciones.
Madrid, Espaa: Cengage Learning.

16