¿QUÉ ES LA ESTADÍSTICA?

OBJETIVOS

 Saber qué significa estadística.

 Explicar qué es estadística descriptiva y estadística inferencial.
 Diferenciar entre una variable cualitativa y una variable cuantitativa.
 Distinguir entre una variable discreta y una variable continua.
 Diferenciar entre niveles de medición nominal, ordinal, por intervalo y
de razón.
 Definir los términos mutuamente excluyentes y colectivamente exhaustivos.

¿Qué significa estadística?

 Estadística es la ciencia de recolectar, organizar, presentar, analizar e interpretar datos
con el propósito de ayudar a una toma de decisiones más efectiva.
 Las técnicas estadísticas se usadas ampliamente por personas en diversas áreas tales
como mercadeo, comunicación, contabilidad, control de calidad, deportes,
administración de empresas, de hospitales, educación, política, medicina, etcétera.

Tipos de estadísticas

1. Estadística descriptiva: métodos para organizar, resumir y presentar datos de manera

informativa.
 Ejemplo 1: un sondeo de opinión encontró que 49 % de las personas en una encuesta
sabían el nombre del primer ministro inglés. La estadística “49” describe el número de
cada 100 personas que saben la respuesta.
 Ejemplo 2: según la revista del consumidor, los dueños de lavadoras de ropa Whirlpool
reportaron 9 problemas por cada 100 máquinas durante 1995. La estadística “9”
describe el número de problemas por cada 100 máquinas.

2. Estadística inferencial: una decisión, estimación, predicción o generalización sobre una

población, con base en una muestra.
 Una población es un conjunto de todos los posibles individuos, objetos o medidas de
interés.
 Una muestra es una porción, o parte, de la población de interés.

 Ejemplo 1: las cadenas de TV monitorean la popularidad de sus programas contratando

a Nielsen y otras organizaciones para muestrear las preferencias de televidentes.
 Ejemplo 2: el departamento de contabilidad de una empresa elegirá una muestra de
facturas para verificar la exactitud de todas las facturas de la compañía.
  Ejemplo 3: los catadores de vino prueban unas cuantas gotas para tomar la decisión de
liberar todo el vino para la venta.

Tipos de variables
1. Variable cualitativa o de atributos: la característica o variable que se estudia no es
numérica.
 Ejemplos: género, afiliación religiosa, tipo de automóvil que se posee, lugar de
nacimiento, color de los ojos.

2. Variable cuantitativa: la variable se puede registrar numéricamente.

 Ejemplo: saldo en una cuenta de cheques, minutos que faltan para que termine la clase,
número de niños en una familia.

Las variables cuantitativas se pueden clasificar como discretas o continuas.

 Variables discretas: sólo pueden adquirir ciertos valores y casi siempre hay “brechas”
entre esos valores.
 Ejemplo: el número de habitaciones en una casa (1, 2, 3,..., etc.).
 Variables continuas: pueden tomar cualquier valor dentro de un intervalo específico.
 Ejemplo: el tiempo que toma volar de Bogotá a Nueva York.

Resumen de tipos de variables

DATOS

Cualitativos o de atributos Cuantitativos o numéricos

(tipo de auto que posee)

discretos continuos
(número de hijos) (tiempo para resolver el examen)

Fuentes de datos estadísticos

 Los problemas de investigación suelen requerir datos publicados. Se pueden encontrar
estadísticas relacionadas en artículos publicados, revistas y periódicos.
 No todos los temas disponen de datos publicados. En esos casos, la información deberá
recolectarse y analizarse.
 Una manera de recolectar datos es mediante encuestas.

Escalas de medición

1. Nivel nominal: los datos sólo se puede clasificar en categorías, no se pueden ordenar.
 Ejemplos: color de los ojos, género, afiliación religiosa.
  Mutuamente excluyente: un individuo, objeto o artículo, al ser incluido en una
categoría, debe excluirse de las demás.
 Ejemplo: género, color de los ojos.
 Colectivamente exhaustivo: cada persona, objeto o artículo debe clasificarse en al
menos una categoría.
 EJEMPLO: afiliación religiosa.

2. Nivel ordinal: involucra datos que se pueden ordenar, pero no es posible determinar las
diferencias entre los valores de los datos o no tienen significado.
 EJEMPLO: en una prueba de sabor de 4 refrescos de cola, el C se clasificó como número
1, el B como número 2, el A como 3 y el D como número 4.

3. Nivel de intervalo: similar al nivel ordinal, con la propiedad adicional de que se pueden
determinar cantidades significativas de las diferencias entre los valores. No existe un punto
cero natural y solo se pueden realizar las operaciones de suma y resta con sentido
 Ejemplo: temperatura en la escala de grados Fahrenheit.

4. Nivel de razón: el nivel de intervalo con un punto cero inicial inherente. Las diferencias y
razones son significativas para este nivel de medición y se pueden realizar las cuatro
operaciones básicas con sentido.
 Ejemplos: dinero, altura de los jugadores de básquetbol de la NBA.

DESCRIPCIÓN DE LOS DATOS:

DISTRIBUCIONES DE FRECUENCIAS Y
REPRESENTACIONES GRÁFICAS
OBJETIVOS

Al terminar esta unidad el estudiante podrá:

 Organizar los datos en una distribución de frecuencias.
 Presentar una distribución de frecuencias en un histograma, un polígono de frecuencias y
un polígono de frecuencias acumuladas.
 Desarrollar una representación de tallo y hoja.
 Presentar datos mediante técnicas de graficación como gráficas de líneas, de barras y
circulares.

Distribución de frecuencias
 Distribución de frecuencias: agrupamiento de datos en categorías que muestran el
número de observaciones en cada categoría mutuamente excluyente.
Elaboración de una distribución de frecuencias

pregunta que recolección organización presentación obtención

se desea de datos de datos de datos de
responder (datos originales) (gráfica) conclusiones

distribución
de frecuencias

Las categorías que se crean para agrupar los datos dependen del
tipo de variable que se tenga, es decir se debe primero identificar
la variable para determinar si es cualitativa o cuantitativa y en caso
de las cuantitativas si es discreta o continua.

1. Distribuciones de frecuencias para variables cualitativas

En el caso de las variables cualitativas, las categorías corresponden con los posibles
valores de la variable

EJEMPLO 1
Se realizó una encuesta a 200 deportistas para averiguar cuál era la marca preferida de
zapatos deportivos y se encontró lo siguiente:

Variable Frecuencia absoluta (fi) Frecuencia relativa (hi)

Marca de zapato Número de corredores Porcentaje de corredores
Nike 92 (92/200)*100 = 46.0%
Adidas 49 (49/200)*100 = 24.5%
Reebok 37 (37/200)*100 = 18.5%
Puma 13 (13/200)*200 = 6.5%
Otros 9 (9/200)*100 = 4.5%
Total 200 100.0%

La marca de zapato es la variable de estudio, que es de tipo cualitativo en escala

nominal. Sus posibles valores o categorías son las diferentes marcas que dieron los
deportistas investigados, en este caso son Nike, Adidas, etc., y el número de corredores
son las frecuencias absolutas o número de veces que se repite cada valor de la variable.
Adicionalmente, se calculan las frecuencias relativas, que corresponden al porcentaje de
elementos investigados que hay en cada categoría, en nuestro caso, el 46.0%
 reportaron como marca preferida Nike, el 24.5% Adidas y así sucesivamente. Este
cuadro se le denomina distribución de frecuencias

2. Distribución de frecuencias para variables cuantitativas

Las variables cuantitativas pueden ser discretas o continuas. Si la variable es discreta, se
puede agrupar en forma puntual si los valores que toma la variable son pocos, por
ejemplo número de habitaciones por vivienda ( 1, 2, 3,) o número de carros por hogar
(0, 1, 2) o por intervalos o clases si el número de posibles valores es muy amplio, por
ejemplo. Número de llamadas que se realizan diariamente, (pueden ser de cero a cien).
Si la variable es continua, necesariamente se debe de agruparse por intervalos o clases.
Marca de clase (punto medio): punto que divide a la clase en dos partes iguales. Es el
promedio entre los límites superior e inferior de la clase o intervalo.
 Intervalo de clase: se obtiene restando el límite inferior de una clase del límite inferior
de la siguiente.

EJEMPLO 2
 A un grupo de 20 familias se les averiguó cuántos hijos tenían y se encontraron los
siguientes resultados:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Hijos 3 2 2 2 1 0 1 1 2 3 2 2 1 2 2 0 1 1 0 3

Al examinar la variable se determina que es una variable cuantitativa discreta en escala

de razón y que sus valores oscilan entre 0 y 3 es decir son pocos los posibles valores, por
lo cual se puede agrupar en forma puntual como se muestra en la siguiente tabla:

Variable Frecuencia Frecuencia Frecuencia Frecuencia

Xi absoluta fi relativa hi absoluta relativa
acumulada Fi acumulada Hi
Número Número de Porcentaje de Número Porcentaje
de hijos hogares hogares acumulado de acumulado de
hogares hogares
0 3 (3/20)*100=15% 3 15%
1 6 (6/20)*100=30% 9 45%
2 8 (8/20)*100=40% 17 85%
3 3 (3/20)*100=15% 20 100%
Total 20 100%
 Las frecuencias se obtuvieron de la siguiente forma:
 Cuente el número de valores en cada clase, frecuencia absoluta fi
 La frecuencia relativa, hi de una clase se obtiene dividiendo la frecuencia absoluta de
dicha clase entre el total de observaciones.
 La frecuencia absoluta acumulada, Fi se obtiene acumulando las frecuencias absolutas.
F1 = f1; F2 = f1+f2; F3 = f1+f2+f3 y así sucesivamente.
 Las frecuencias relativas acumuladas Hi se obtienen acumulando las frecuencias
relativas, en forma análoga a la forma como se obtienen las frecuencias absolutas
acumuladas. H1 = h1; H2 = h1+h2; H3 = h1+h2+h3 y así sucesivamente.

 El director de la escuela de administración desea determinar cuánto estudian los

alumnos en ella. Selecciona una muestra aleatoria de 30 estudiantes y determina el
número de horas por semana que estudia cada uno: 15.0, 23.7, 19.7, 15.4, 18.3, 23.0,
14.2, 20.8, 13.5, 20.7, 17.4, 18.6, 12.9, 20.3, 13.7, 21.4, 18.3, 29.8, 17.1, 18.9, 10.3,
26.1, 15.7, 14.0, 17.8, 33.8, 23.2, 12.9, 27.1, 16.6.
 Organice los datos en una distribución de frecuencias

Considere las clases 8-12 y 13-17. Las marcas de clase son 10 y 15. El intervalo de clase es 5
(13 - 8).
Horas de estudio Marca de clase o Frecuencia
(Intervalo de clase) Punto medio absoluta
Yj-1 Yj Yi fi
8 - 12 (8+12)/2 = 10 1
13 - 17 (13+17)/2 = 15 12
18 - 22 (18+22)/2 = 20 10
23 - 27 (23+27)/2 = 25 5
28 - 32 (28+32)/2 = 30 1
33 - 37 (33+37)/2 = 35 1

En el anterior cuadro, se tiene:

Yj-1 Extremo inferior del intervalo de clase

Yj Extremo superior del intervalo de clase
Yi Marca de clase o punto medio del intervalo

Sugerencias para elaborar una distribución de frecuencias

 Los intervalos de clase usados en la distribución de frecuencias deben ser

preferiblemente iguales.
  Determine un intervalo de clase sugerido con la fórmula: Ci = (Observación mayor –
observación menor)/número de clases.
 Use el intervalo de clase calculado sugerido para construir la distribución de
frecuencias.
Nota: El intervalo de clase sugerido es susceptible de aproximarse siempre por
exceso, ejemplo, si da 97, puede ser mejor usar 100.
 Cuente el número de valores en cada clase, frecuencia absoluta fi
 La frecuencia relativa, hi de una clase se obtiene dividiendo la frecuencia absoluta
de dicha clase entre el total de observaciones.
 La frecuencia absoluta acumulada, Fi se obtiene acumulando las frecuencias
absolutas. F1 = f1; F2 = f1+f2; F3 = f1+f2+f3 y así sucesivamente.
 Las frecuencias relativas acumuladas Hi se obtienen acumulando las frecuencias
relativas, en forma análoga a la forma como se obtienen las frecuencias absolutas
acumuladas. H1 = h1; H2 = h1+h2; H3 = h1+h2+h3 y así sucesivamente.

Intervalo Frecuencia Frecuencia Frecuencia Frecuencia

de clase absoluta, relativa, Absoluta Relativa
Acumulada acumulada
Yj-1 Yj fi hi Fi Hi
8 - 12 1 1/30= 1 0.0333
0.0333
13 - 17 12 12/30= 13 0.4333
0.4000
18 - 22 10 10/30= 23 0.7666
0.3333
23 - 27 5 5/30= 28 0.9333
0.1667
28 - 32 1 1/30= 29 0.9666
0.0333
33 - 37 1 1/30= 30 1.0000
0.0333
TOTAL ∑f i
= n = 30 ∑h =1
i

Representaciones de tallo y hoja

 Representaciones de tallo y hoja: técnica estadística para representar un conjunto de
datos. Cada valor numérico se divide en dos partes: los dígitos principales son el tallo y
el dígito siguiente es la hoja.
 Nota: una ventaja de la representación de tallo y hoja comparado con la distribución de
frecuencias es que no se pierde la identidad de cada observación.
EJEMPLO 2
 Carlos logró las siguientes calificaciones en el doceavo examen de contabilidad del
semestre: 86, 79, 92, 84, 69, 88, 91, 83, 96, 78, 82, 85. Construya una representación
de tallo y hoja para los datos.
 Se toma como tallo las decenas y como hojas las unidades

TALLO HOJA
6 9
7 89
8 234568
9 126

Presentación gráfica de una distribución de frecuencias

 Las tres formas de gráficas más usadas son histogramas de frecuencias, polígonos de
frecuencia y distribuciones de frecuencias acumuladas (ojiva).
 Histograma: gráfica donde las clases se marcan en el eje horizontal y las frecuencias de
clase en el eje vertical. Las frecuencias de clase se representan por las alturas de las
barras y éstas se trazan adyacentes entre sí.
 Un polígono de frecuencias consiste en segmentos de línea que conectan los puntos
formados por el punto medio de la clase y la frecuencia de clase.
 Una distribución de frecuencias acumulada (ojiva) se usa para determinar cuántos o qué
proporción de los valores de los datos es menor o mayor que cierto valor.

Histograma para las horas de estudio

14
12
Frecuencia

10
8
6
4
2
0
10 15 20 25 30 35
Horas de estudio
Polígono de frecuencias para las horas de estudio

14
12
10
Frecuencia

8
6
4
2
0
10 15 20 25 30 35
Horas de estudio

Distribución de frecuencias acumuladas menor que para las horas de estudio

Ojiva o curva de frecuencias acumuladas

35
30
25
Frecuencia

20
15
10
5
0
10 15 20 25 30 35
Horas de estudio

Gráfica de barras

 Una gráfica de barras se puede usar para describir cualquier nivel de medición (nominal,
ordinal, de intervalo o de razón).
 EJEMPLO 3: construya una gráfica de barras para el número de personas desempleadas
por cada 100 000 habitantes de ciertas ciudades en 1995.
 Ciudad Número de desempleados por 100 000 habitantes
Barranquilla 7300
Cartagena 5400
Bucaramanga 6700
Medellín 8900
Cali 8200
Bogotá, D.C. 8900

Gráfica de barras para los datos de desempleados

10000 8900 8900

8200
# desempleados/100

8000 7300
6700
5400
6000
000

4000 Bar anquilla

Car tegena
2000 Bucar amanga
M edellín
0 Cali
B tá
1 2 Ciudades
3 4 5 6

Gráfica circular
 Una gráfica circular es en especial útil para desplegar una distribución de frecuencias
relativas. Se divide un círculo de manera proporcional a la frecuencia relativa y las
rebanadas representan los diferentes grupos.
 EJEMPLO 4: se pidió a una muestra de 200 corredores que indicaran su tipo favorito
de zapatos para correr.
 Dibuje una gráfica circular basada en la siguiente información.

Tipo de zapato Número de corredores

Nike 92
Adidas 49
Reebok 37
Puma 13
Otros 9
Gráfica circular para tipos de zapatos

Puma
Reebok
Otros
Nike
Adidas
Reebok
Adidas Puma
Otros
Nike

DESCRIPCIÓN DE LOS DATOS:

MEDIDAS DE UBICACIÓN O DE
OBJETIVOS

Al terminar esta unidad el estudiante podrá:

 Calcular la media aritmética, mediana, moda, media ponderada y media geométrica.
 Explicar las características, utilización, ventajas y desventajas de cada medida de ubicación.
 Identificar la posición de la media aritmética, la mediana, y la moda, tanto para
distribuciones simétricas como asimétricas o sesgadas.

Media de la población
 Para datos no agrupados, la media de la población es la suma de todos los valores en
ella dividida entre el número de elementos de la población

µ=∑ i
X

N

 donde µ representa la media de la población.

 N es el número total de elementos en la población.
 Xi representa cualquier valor en particular.
 Σ indica la operación de sumar.
  Parámetro: una característica de la población. Por lo anterior la media de la población es
un parámetro.

EJEMPLO 1
 La familia Pérez posee cuatro carros. Las millas recorridas por cada uno son: 56 000,
23 000, 42 000 y 73 000. Encuentre el promedio de millas de los cuatro carros.

 Esto es µ = ∑ i = ( 56 000 + 23 000 + 42 000 + 73 000)/4 = 48 500

X
N

Media de una muestra

 Para datos no agrupados, la media de una muestra es la suma de todos los valores
divididos entre el número total de los mismos:

 X=
∑X i

n
 donde X denota la media muestral

 n es el número total de valores en la muestra.

 Xi representa cualquier valor en particular.
 Dato estadístico: una característica de una muestra, La media de la muestra es un dato
estadístico

EJEMPLO 2
 Una muestra de cinco ejecutivos recibió la siguiente cantidad en bonos el año pasado:
$14 000, $15 000, $17 000, $16 000 y $15 000. Encuentre el promedio en bonos
para los cinco ejecutivos.
 Como estos valores representan la muestra de 5 ejecutivos, la media de la muestra es :

X=
∑ Xi
n
 (14 000 + 15 000 + 17 000 + 16 000 + 15 000) / 5 = $15 400.

Media ponderada
 La media ponderada de un conjunto de números X1, X2, ..., Xn, con las ponderaciones
correspondientes w1, w2, ...,wn, se calcula con la fórmula:


 Xw =
∑ X 1w1 + X 2 w2 + ... + X n wn
∑ wi
  Xw =
∑X w
i i

∑w i

EJEMPLO 3
 Durante un periodo de una hora en una tarde calurosa de un sábado, el cantinero Jaime
sirvió cincuenta bebidas. Calcule la media ponderada de los precios de las bebidas.
(Precio ($), cantidad vendida): (0.50, 5), (0.75, 15), (0.90, 15), (1.10, 15).

 La media ponderada es:

 Xw =
∑ X 1w1 + X 2 w2 + ... + X n wn
∑ wi
o (0.50 x 5 +0.75 x 15 + 0.90 x 15 + 1.10 x 15) / (5 + 15 + 15 + 15) = $43.75/50
=$0.875

Propiedades de la media aritmética

 Todo conjunto de datos de nivel de intervalo y de nivel de razón tiene un valor medio.
 Al evaluar la media se incluyen todos los valores.
 Un conjunto de valores sólo tiene una media.
 La cantidad de datos a evaluar rara vez afecta la media.
 La media de una constante es igual a la constante
 La media de una constante más una variable, es igual a la constante más la media de la
variable.
 La media de una constante por una variable es igual a la constante por la media de la
variable.
 La media general es igual a la media de las medias ponderas por su correspondiente
tamaño
 La sumatoria de las desviaciones con respecto a la media es igual a cero.

EJEMPLO 4
 Considere el conjunto de valores: 3, 8 y 4. La media es 5. Para ilustrar la propiedad:
“la sumatoria de las desviaciones con respecto a al media es igual a cero se tiene: (3
- 5) + (8 - 5) + (4 - 5) = - 2 + 3 - 1 = 0. En otras palabras,

Σ( X i − X ) =
0

Mediana
 Mediana: es el punto medio de los valores después de ordenarlos de menor a mayor, o
de mayor a menor. La misma cantidad de valores se encuentra por arriba de la mediana
que por debajo de ella.
  Nota: para un conjunto con un número par de observaciones, la mediana será el
promedio aritmético de las dos observaciones centrales.

EJEMPLO 5
 Calcule la mediana para los siguientes datos.
 La edad de una muestra de cinco estudiantes es: 21, 25, 19, 20 y 22.
 Al ordenar los datos de manera ascendente quedan: 19, 20, 21, 22, 25. La mediana es
21, que es la observación central, ya que el número de observaciones es impar.
 La altura, en pulgadas, de cuatro jugadores de básquetbol es 76, 73, 80 y 75.
 Al ordenar los datos de manera ascendente quedan: 73, 75, 76, 80. La mediana es 75.5
que corresponde al promedio de las dos observaciones centrales, ya que el número de
observaciones es par.

Propiedades de la mediana
 La mediana es única para cada conjunto de datos.
 No se ve afectada por valores muy grandes o muy pequeños, y por lo tanto es una
medida valiosa de tendencia central.
 Puede obtenerse para datos de nivel de razón, de intervalo y ordinal.
 Puede calcularse para una distribución de frecuencias con una clase de extremo abierto,
si la mediana no se encuentra en una de estas clases.

Moda
 La moda es el valor de la observación que aparece con más frecuencia.

EJEMPLO 5:
 Las calificaciones de un examen de diez estudiantes son: 81, 93, 84, 75, 68, 87, 81, 75,
81, 87. Como la calificación 81 es la que más ocurre, la calificación modal es 81.

Media geométrica
 La media geométrica (MG) de un conjunto de n números positivos se define como la
raíz n-ésima del producto de los n valores. Su fórmula es:

 MG = n ( X 1)( X 2)( X 3)...( Xn)

 La media geométrica se usa para encontrar el promedio de porcentajes, razones, índices
o tasas de crecimiento.
EJEMPLO 6
 Las tasas de interés de tres bonos son 5%, 7% y 4%.
 La media geométrica es = 5.192.
 La media aritmética es (5 + 7 + 4)/3 = 5.333.
 La MG da una cifra de ganancia más conservadora porque no tiene una ponderación
alta para la tasa de 7%.
 Otra aplicación de la media geométrica es determinar el porcentaje promedio del
incremento en ventas, producción u otros negocios o series económicas de un periodo
a otro. La fórmula para este tipo de problema es:

 MG = n ( valor al final del periodo)/(valor al inicio del periodo) − 1

EJEMPLO 7
 El número total de estudiantes inscritos en colegios bogotanos aumentó de
 755 000 en 1986 a 835 000 en 1995.
 Aquí n = 10, así (n - 1) = 9.
 MG = 9 835000 / 755000 − 1 = 0.0113.
 Es decir, la media geométrica de la tasa de crecimiento anual es 1.13%.

Media de datos agrupados

 La media de una muestra de datos organizados en una distribución de frecuencias se
calcula mediante la siguiente fórmula:

ΣXf ΣXf
X = =
Σf n

EJEMPLO 8
 Una muestra de diez cines en una gran área metropolitana dio el número total de
películas exhibidas la semana anterior. Calcule la media de las películas proyectadas.

Películas exhibidas frecuencia punto medio de clase Xi (fi)(Xi)

fi
1-2 1 1.5 1.5
3-4 2 3.5 7.0
5-6 3 5.5 16.5
7-8 1 7.5 7.5
9-10 3 9.5 28.5
Total 10 61.0
 ΣX i f i ΣX i f i
=X =
Σf i n

61/10 = 6.1 películas

Mediana de datos agrupados

 La mediana de una muestra de datos organizados en una distribución de frecuencias se
calcula mediante la siguiente fórmula:
n 
 2 − Fj −1 
 Mediana, M = e Y j −1 + C j  
 fj 
 

 Donde Yj-1 es el límite inferior de la clase que contiene a la mediana, Fj-1 es la frecuencia
acumulada que precede a la clase de la mediana, fj es la frecuencia de clase de la
mediana y Cj es la longitud del intervalo j, el de clase de la mediana.

Cálculo de la clase de la mediana

Para determinar la clase de la mediana de datos agrupados:
 Elabore una distribución de frecuencias acumulada.
 Divida el número total de datos entre 2.
 Determine qué clase contiene este valor. Por ejemplo, si n=50, 50/2 = 25, después
determine qué clase contiene el 25° valor (la clase de la mediana).

EJEMPLO 9

Películas exhibidas Frecuencia Frecuencia acumulada

1-2 1 1
3-4 2 3
5-6 3 6
7-8 1 7
9-10 3 10

 La clase de la mediana es 5 - 6, ya que contiene el 5° valor (n/2 = 5)

 De la tabla, Yj-1= 5, n = 10, fj = 3, Cj = 2, = Fj-1 3.
 Así, mediana = 5 +(2) [((10/2) - 3)/3] = 6.33
Moda de datos agrupados
 La moda de los datos agrupados se aproxima por el punto medio de la clase que
contiene la mayor frecuencia.
 Las modas en el EJEMPLO 9 son 5.5 y 9.5. Esta es una distribución bimodal, tiene dos
modas

Distribución simétrica

• Sesgo cero : moda = mediana = media

Distribución con asimetría positiva

 sesgo a la derecha: media y mediana se encuentran a la derecha de la moda. La media
es la mayor de las tres medidas
 moda < mediana < media
 Distribución con asimetría negativa
 sesgo a la izquierda: media y mediana están a la izquierda de la moda. La media es la
menor de las tres medidas
 media < mediana < moda

NOTA
 Si se conocen dos promedios de una distribución de frecuencias con sesgo moderado,
el tercero se puede aproximar:
 moda = media - 3(media - mediana)
 media = [3(mediana) - moda]/2
 mediana = [2(media) + moda]/3