Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Medidas de Tendencia Central y de Variabilidad PDF
Medidas de Tendencia Central y de Variabilidad PDF
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
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
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.
0 0 1 1 2 2 4 4 5 5
6 6 7 7 8 12 15 15 15 19
0 0 1 1 1 2 4 4 4 5
6 6 7 8 8 9 9 10 12 12
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 + .h
d1 + d 2
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 )
h amplitud del intervalo de clase
LMo = 60 f i = 18 f i -1 = 10 f i +1 = 14 h = 10
d 1 = f i - f i -1 =18-10 =8 d 2 = f i - f i +1 = 18-14=4
8
Mo = 60 + .10 = 66,66
8+4
v Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, se dice que
no tiene moda
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
2 3 5 6 8
x( 1 ) x( 2 ) x( 3 ) x( 4 ) x( 5 )
Me = x n+1 = x 5 +1 = x( 3 ) = 5
2 2
b La mitad de las observaciones son menores o iguales que 5 y la otra mitad son mayores o
iguales que 5.
x n + x n
+1
~=~
Me = m x= 2 2
2 3 5 6 8 9
x( 1 ) x( 2 ) x( 3 ) x( 4 ) x( 5 ) x (6 )
x 6 + x 6
2
+1
2
x( 3 ) + x( 3+1) x( 3 ) + x(4 ) 5+6
Me = = = = = 5 ,5
2 2 2 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.
n+1
- Fi -1
Me = m x = Lm + 2
~=~ .h
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
50 + 1
La clase mediana es la que contenga el elemento en la posicin , es
2
decir en la posicin 25,5 . Buscamos en la frecuencia acumulada Fi y vemos que se
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: ...............................................................................
v Si hay un gran nmero de datos, el tener que ordenarlos para hallar la mediana
insume esfuerzo y tiempo.
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)
m=
x x=
x
N 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
8 5 9 10 9 12 7 12 13 7 8
x=
x = 8 + 5 + 9 + 10 + 9 + 12 + 7 + 12 + 13 + 7 + 8 = 9,09
n 11
Interpretacin: ...........................................................................................................
..................................................................................................................................
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
EDAD mi fi mi . f i
[50,60) 55 10 550
[60, 70) 65 18 1170
[70, 80) 75 14 1050
[80, 90) 85 6 510
[90,100) 95 2 190
Total 50 3470
3470
x= = 69,4
50
La edad promedio es de 69,4 aos
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 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
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.
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
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 Debido a que considera slo dos valores tiene muchas posibilidades de cambiar
drsticamente de una muestra a otra en una poblacin dada.
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
s 2
= = - m2
N N
(x - m ) x2 - m 2
2
s = =
N 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"
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):
s 2
=
( mi - m ). f i mi2 . f i
= - m2
N N
s = s2 =
( mi - m ). f i =
mi2 . f i -m2
N N
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
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 .
VARIANZA MUESTRAL:
(x - x )
2
2
x2 n.x
s 2
= = -
n -1 n -1 n -1
s2 : Varianza de la muestra
x : Elemento u observacin
x : Media de la muestra
n: Nmero de elementos de la muestra
(x - x )
2
x 2 - n.x
2
s= s = 2
=
n -1 n-1 n -1
DATOS AGRUPADOS
VARIANZA MUESTRAL:
s2 =
( mi - x ). f i
n -1
s=
( mi - x ). f i
n -1
2
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
16 17 18 20 21 22 23 25 27 28
x
(1) (2)
x x-x
(3)
(x - x ) 2
x2
(1)2
(4)
16 21,7 -5,7 32,49 256
17 21,7 -4,7 22,09 289
18 21,7 -3,7 13,69 324
20 21,7 -1,7 2,89 400
21 21,7 -0,7 0,49 441
22 21,7 0,3 0,09 484
23 21,7 1,3 1,69 529
25 21,7 3,3 10,89 625
27 21,7 5,3 28,09 729
28 21,7 6,3 39,69 784
x = 217 (x - x ) x 2 = 4861
2
= 152 ,1
(x - x )
2
152 ,1
1) s 2
= = = 16 ,9
n -1 10 - 1
s = s 2 = 4 ,11 En promedio, la cantidad de pedidos se separa de la
media, en 4,11 (pedidos).
x2 4861 10.(21,7 )
2 2
n.x 152 ,1
2) s 2
= - = - = = 16 ,9
n -1 n -1 9 9 9
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
s s
CV = .100% en la poblacin CV = .100% en la muestra
m x
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.
p
i= n
100
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
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 :
Rango intercuartlico (RIC) es tambin una medida importante a tener en cuenta, es la diferencia
entre el tercer y primer cuartel
RIC= Q3- Q1
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.
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")
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
Media 68,42
Error tpico 1,47277054
Mediana 65,5
Media 3540
Error tpico 47,8198957
Mediana 3505
Moda 3480
Desviacin estndar 165,652978
Varianza de la muestra 27440,9091
Curtosis 1,71888364
Coeficiente de asimetra 1,09110869
Rango 615
Mnimo 3310
Mximo 3925
Suma 42480
Cuenta 12