Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2.2 ESPECIFICOS
2.2.1 Calcular e interpretar las medidas de tendencia central.
2.2.2 Calcular e interpretar las medidas de variabilidad.
2.2.3 Calcular e interpretar las medidas de posición.
2.2.4 Calcular e interpretar las medidas de forma.
3 MARCO TEORICO:
La primera pregunta crucial es definir ¿Qué es R?: R es un sistema, con su propio lenguaje de
programación, para realizar análisis estadísticos y gráficos creado por Ross Ihaka y Robert Gentleman.
Los archivos necesarios para instalar R, se distribuyen desde el sitio de internet Comprehensive R
Archive Network (CRAN).
Un elemento esencial para entender este manual, es la plataforma en la cual trabajaremos, la cual
se llama RStudio, el cual es un entorno de desarrollo integrado (IDE) para R (lenguaje de
programación). Incluye una consola, editor de sintaxis que apoya la ejecución de código, así como
herramientas para el trazado, la depuración y la gestión del espacio de trabajo.
Dentro de R tendremos que utilizar diversos paquetes que nos permitirán manipular, leer y graficar
bases de datos de acuerdo a los comandos que ejecutemos; para efectos de este manual, nos
centraremos en el uso de openxlsx.
RStudio está disponible para Windows, Mac y Linux o para navegadores conectados a RStudio
Server o RStudio Server Pro (Debian / Ubuntu, RedHat / CentOS, y SUSE Linux). RStudio tiene la
misión de proporcionar el entorno informático estadístico R. Permite un análisis y desarrollo para
que cualquiera pueda analizar los datos con R.
Las mediadas de tendencia central se estudiaron para datos cuantitativos. En este caso los datos
cuantitativos que tenemos para analizar son el peso y estatura en cm.
PESO (KG)
peso<-
c(70,59,61,81,59,59,45,60,60,58,55,56,60,67,66,60,50,49,40,65,30,63,62,80,55,57,60,82,83,76,64,6
6,77,55,63,62,58,65,60,67,69,60,59,52)
ESTATURA (cm)
estatura<-
c(168,.178,186,170,170,160,160,163,163,168,174,174,170,165,170,158,156,160,162,148,176,175,1
75,174,171,178,180,183,176,176,178,177,172,168,170,181,170,172,169,185,178,175,158)
3.1.2 MEDIANA
[La mediana es el valor de la variable que ocupa la posición central, cuando los datos se disponen en
orden de magnitud. Es decir, el 50% de las observaciones tiene valores iguales o inferiores a la
mediana y el otro 50% tiene valores iguales o superiores a la mediana]. [3]
La mediana de peso es 60 kg
3.1.3 MODA
[La moda de una distribución se define como el valor de la variable que más se repite. En un polígono
de frecuencia la moda corresponde al valor de la variable que está bajo el punto más alto del gráfico.
Una muestra puede tener más de una moda]. [4]
Estatura en cm 170
Cant. repetición 6
Las mediadas de tendencia variabilidad se estudiaron para datos cuantitativos. En este caso los datos
cuantitativos que tenemos para analizar son el peso y estatura en cm.
peso<-
c(70,59,61,81,59,59,45,60,60,58,55,56,60,67,66,60,50,49,40,65,30,63,62,80,55,57,60,82,83,76,64,6
6,77,55,63,62,58,65,60,67,69,60,59,52)
estatura<-
c(168,.178,186,170,170,160,160,163,163,168,174,174,170,165,170,158,156,160,162,148,176,175,1
75,174,171,178,180,183,176,176,178,177,172,168,170,181,170,172,169,185,178,175,158)
3.2.1 RANGO
[También llamado Recorrido o Amplitud total, es la diferencia entre el máximo valor del conjunto de
datos y el mínimo de ellos. A mayor rango, mayor dispersión]. [6]
3.2.2 VARIANZA
[La varianza es una medida de dispersión que representa la variabilidad de una serie de datos
respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado divididos
entre el total de observaciones]. [7]
Es de particular utilidad para comparar la dispersión entre variables con distintas unidades de
medida. Esto porque el coeficiente de variación, a diferencia de la desviación estándar, es
independiente de la unidad de medida de la variable de estudio]. [9]
Las medidas de posición como los cuartiles, quintiles, deciles y percentiles dividen a una distribución
ordenada en partes iguales. Para calcular las medidas de posición es necesario que los datos estén
ordenados de menor a mayor]. [10]
Las mediadas de posición se estudiaron para datos cuantitativos. En este caso los datos cuantitativos
que tenemos para analizar son el peso y estatura en cm.
peso<-
c(70,59,61,81,59,59,45,60,60,58,55,56,60,67,66,60,50,49,40,65,30,63,62,80
,55,57,60,82,83,76,64,66,77,55,63,62,58,65,60,67,69,60,59,52)
ESTATURA(cm)
estatura<c(168,178,186,170,170,160,160,163,163,168,174,174,170,165,170,15
8,156,160,162,148,176,175,175,174,171,178,180,183,176,176,178,177,172,168
,170,181,170,172,169,185,178,175,158)
3.3.1 CUARTILES
[Son los tres valores de la variable de una distribución que la dividen en cuatro partes iguales, es
decir, al 25%, 50% y 75%. Para calcular el valor de uno de los cuatro Cuartiles, se utiliza la
fórmula: Qk = k (n/4)]. [11]
3.3.2 DECILES
[En estadística descriptiva, un decil es cualquiera de los nueve valores que dividen a un grupo de
datos ordenados en diez partes iguales, de manera que cada parte representa 1/10 de la muestra o
población]. [12]
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
148 160 163 168 170 171 174 175.4 177.6 179.6 186
3.3.3 PERCENTILES
[El percentil es una medida de posición usada en estadística que indica que una vez ordenados los
datos de menor a mayor, el valor de la variable por debajo del cual se encuentra un porcentaje dado
de observaciones en un grupo de observaciones]. [13]
3.3.4 MEDIANA
[Es el valor de la serie de datos que se sitúa justamente en el centro de la muestra (un 50% de valores
son inferiores y otro 50% son superiores)]. [14]
La mediana de peso es 60 kg
Las mediadas de forma se estudiaron para datos cuantitativos. En este caso los datos cuantitativos
que tenemos para analizar son el peso y estatura en cm.
3.4.1 ASIMETRIA
[Es una medida de forma de una distribución que permite identificar y describir la manera como los
datos tiende a reunirse de acuerdo con la frecuencia con que se hallen dentro de la distribución.
Permite identificar las características de la distribución de datos sin necesidad de generar el gráfico].
[16]
3.4.2 CURTOSIS
[La curtosis mide el grado de agudeza o achatamiento de una distribución con relación a la
distribución normal, es decir, mide cuán puntiaguda es una distribución]. [17]
GENERO VS AFICION
pesof<-c(59,45,60,60,58,50,49,40)
#4.2.2. ESTATURA(cm)
estaturaf<-c(162,160,160,163,163,158,156,160)
Peso: 52.625
Estatura: 160.25
3.1.2. MEDIANA
Peso: 54
Estatura: 160
3.1.3. MODA
Peso:
Peso 60
Cantidad de
2
repeticiones
Estatura:
Estatura en cm 160
Cant. repetición 3
3.2.1. RANGO
Peso: [40,60]
Estatura: [156,163]
3.2.2. VARIANZA
Peso: 59.41071
Estatura: 5.928571
Peso: 7.707835
Estatura: 2.434866
Peso: 14.64672
Estatura: 1.519417
3.3.1. CUARTILES
Peso:
0% 25% 50% 75% 100%
40 48 54 59.25 60
Estatura:
3.3.2. DECILES
Peso:
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
156 157.4 158.8 160 160 160 160.4 161.8 162.6 163 163
3.3.3. PERCENTILES
Peso:
3.3.4. MEDIANA
Peso: 54
Estatura: 160
3.4.1. ASIMETRIA
Peso: -0.5427008
Estatura: -0.513819
3.4.2. CURTOSIS
Peso: -1.675186
Estatura: -1.308379
estaturam<-
c(168,178,186,170,170,168,174,174,170,165,170,162,148,176,175,175,174,171,178,180,183,176,1
76,178,177,172,168,170,181,170,172,169,185,178,175,158)
Peso: 63.44444
Estatura: 172.7778
3.1.2. MEDIANA
Peso: 62
Estatura: 174
3.1.3. MODA
Peso:
Peso 60
Cantidad de
5
repeticiones
Estatura:
Estatura en cm 170
Cant. repetición 6
3.2. MEDIDAS DE VARIABILIDAD
3.2.1. RANGO
Peso: [30,83]
Estatura: [148,186]
3.2.2. VARIANZA
Peso: 99.6254
Estatura: 53.37778
3.2.3. DESVIACION ESTANDAR
Peso: 9.981252
Estatura: 7.30601
Peso: 15.73227
Estatura: 4.228559
3.3.1. CUARTILES
Peso:
Peso:
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
30 55 58 59.5 60 62 64 66 69 78.5 83
Estatura:
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
148 166.5 169 170 171 174 175 176 178 180.5 186
3.3.3. PERCENTILES
Peso:
3.3.4. MEDIANA
Peso: 62
Estatura: 174
3.4.1. ASIMETRIA
Peso: -0.4008016
Estatura: -1.067114
3.4.2. CURTOSIS
Peso: 2.003665
Estatura: 2.056849
En el presente trabajo se realizó un estudio al uso de las herramientas de Rstudio para la aplicación
de estadística descriptiva a partir de este software; para llevar a cabo dicho estudio fue menester la
creación de un conjunto de información (DATOS): los cuales fueron a los que se le aplico la estadística
descriptiva, específicamente datos cuantitativos como: peso y estatura, y datos cualitativos como
género (masculino y femenino), y afición (comer, viajar, dormir y deporte).
Tanto para mujeres como para hambres se les determino los siguientes análisis: medidas de
tendencia central, medidas de variabilidad, medidas de posición, medias de forma, todas estas
arrojaron datos normales y coherentes respecto al conjunto de datos proporcionado de hombres y
de mujeres, para evitar mostrar cada cosa se apuesta mostrar las frecuencias de peso y estatura de
hombres y mujeres y se procede a comprar con la MODA de cada género para mostrar la eficacia del
análisis hecho en el presente trabajo y así también mostrar seguridad en las herramientas empleadas.
Para el análisis de las mujeres según las siguietes graficas se determino que el peso que mas
predomina en las mujeres es de 55-60 kg y tiene una fracuencia de 4, respecto a la estatura la que
predonmina es de 1598-160 cm, dichos valores tienen una frecuencia absoluta de 3,0. Lo cual es
consistete ya que partiendo de la MODA para el peso en mujeres es 60 kg tiene 2 repetciones, y en
estatura es de 160 cm con 3 repetciones.
Para el análisis de los hombres según las siguietes graficas se determino que el peso que mas
predomina en los hombres es de 55-60 kg y tiene una fracuencia de 15, respecto a la estatura la que
predonmina es de 165-170 cm, dichos valores tienen una frecuencia absoluta de 10. Estos datos son
consistentes si partimos tambien de la MODA, para el peso en hombres es 65kg tiene 5 repetciones,
y en estatura es de 170 cm con 6 repetciones.
En el caso de juntar los dos géneros es evidente la unificación de los datos en tablas de frecuencia,
esto se hace para comprobar las herramientas que se emplearon para el análisis de datos o
estadística descriptiva usada, y así poder dar confiablidad en que se empleó correctamente las otras
medias estadísticas como lo es tendencia central, variabilidad, formas y de posición.
Para el análisis de los hombres y mujeres al mismo tiempo, según las siguietes graficas se determino
que el peso que mas predomina en los hombres es de 50-60 kg y tiene una fracuencia de 15, y
respecto a la estatura la que predonmina es de 170 cm, dichos valores tienen una frecuencia absoluta
de 10. Estos datos son consistentes si partimos tambien de la MODA, para el peso es 60kg y tiene 7
repetciones, y en estatura es de 170 cm con 6 repetciones.
Por lo anterior es avidente que existe una variacion en pesos de mujeres con los de los hombres, y
son de 5 kg respecto al peso de las frecuencias de los dos generos. La estatura sigue siendo mayor en
frecuencia en los hombres y esto se debe a que hay mas hombres con una misma estatura 170 cm
que mujeres que cumplean con este resultado.
Por otro lado, en el análisis cualitativo donde se toma el género masculino y femenino respecto a la
afición destacan los siguientes valores de frecuencia absoluta: para el género masculino la frecuencia
absoluta es de 81,82% y para el femenino es de 18,18%. Esto quiere decir que cada porcentaje de
cada género es la cantidad que se acumula de hombres como mujeres que les gusta cierta afición,
dicho de otra manera, es la afición que hay en común para cada género.
genero=c(1,2,1,1,1,2,2,1.2,1,1,2,1,1,1,2,2,1,2,1,)
genero=factor(genero,levels=c(1,2), labels=c("masculino","femenino"))
4.1.2 AFICCION
Comer, viajar, dormir, deporte
aficcion=c(1,3,4,2,2,3,2,1,1,4,3,4,3,2,4,1,3,3,2,1)
aficcion=factor(aficcion,lavels=c(1,2,3,4)), labels(=c("comer","viajar","dormir","deporte"))
aficcion
4.2 VARIABLES CUANTITATIVAS
4.2.1 PESO
peso<-c(75,58,63,68,78,69,58,61,63,80,76,60,61,65,67,70,71,64,79,59) en kg
4.2.2 ESTATURA
estatura<-c(170,180,175,162,168,169,171,178,167,177,160,169,173,180,165,174,181,177,185,168)
en cm
5 CONCLUSIONES
1. Creemos que las herramientas que hemos presentado, sin ser demasiado complejas,
pueden servir de ayuda en el tratamiento de los datos pues ponen de relieve la verdadera
situación. Así, un sencillo histograma ofrece una rápida visión de la dispersión de los datos y
confirma si la producción se ajusta a las especificaciones.
2. Las herramientas estadísticas de calidad sirven de base para la sistematización ya que son
técnicas de planeación y análisis que utilizadas correctamente permiten resolver hasta un
95% de problemas.
4. Los resultados del análisis de las herramientas estadísticas de la calidad sirven para la toma
de decisión gerencial y replantear los planes estratégicos globales, es decir darles una
nueva dirección a las organizaciones.
6 ANEXO CODIGO
#4. PRESENTACION Y ANALISIS DE RESULTADOS
#4.1. VARIABLES CUALITATIVAS
#4.1.1. GENERO
genero=c(1,2,1,1,1,1,2,2,2,2,1,1,1,1,1,1,2,2,2,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1)
genero=factor(genero,levels=c(1,2),labels=c("masculino","femenino"))
genero
#4.1.2. AFICION
aficion=c(1,1,3,3,1,1,2,3,1,2,3,3,3,3,3,2,2,2,4,2,1,3,3,3,3,2,1,1,1,1,1,3
,3,1,3,4,3,3,3,3,1,3,1,1)
aficion=factor(aficion,levels=c(1,2,3,4),labels=c("musica","lectura","dep
orte","baile"))
aficion
#GENERO VS AFICION
#4.2. VARIABLES CUANTITATIVAS
#4.2.1. PESO(KG)
peso<-
c(70,59,61,81,59,59,45,60,60,58,55,56,60,67,66,60,50,49,40,65,30,63,62,80
,55,57,60,82,83,76,64,66,77,55,63,62,58,65,60,67,69,60,59,52)
#4.2.2. ESTATURA(cm)
estatura<-
c(168,178,186,170,170,160,160,163,163,168,174,174,170,165,170,158,156,160
,162,148,176,175,175,174,171,178,180,183,176,176,178,177,172,168,170,181,
170,172,169,185,178,175,158)
library(modes)
modes(peso)
modes(estatura)
#3.2. MEDIDAS DE VARIABILIDAD
#3.2.1. RANGO
range(peso)
range(estatura)
#3.2.2. varianza
var(peso)
var(estatura)
#3.2.3. DESVIACION ESTANDAR
sd(peso)
sd(estatura)
#3.2.4. COHEFICIENTE DE VARIACION
100*(sd(peso)/mean(peso))
100*(sd(estatura)/mean(estatura))
#3.3. MEDIDAS DE POSICION
#3.3.1. CUARTILES
quantile(peso)
quantile(estatura)
#3.3.2.DECILES
#PESO
decil <- seq(0, 1, 0.1)
decil
quantile(peso, decil)
#ESTATURA
decil <- seq(0, 1, 0.1)
decil
quantile(estatura, decil)
#3.3.3. PERCENTILES
#PESO
quantile(peso, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#ESTATURA
quantile(estatura, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#3.3.4. MEDIANA
median(peso)
median(estatura)
#3.4. MEDIDAS DE FORMA
#3.4.1. ASIMETRIA
#nos da el valor de la asimetria de los datos de la variable peso
skewness(peso)
#nos da el valor de la asimetria de los datos de la variable estatura
skewness(estatura)
#3.4.2. CURTOSIS
#PESO
kurtosis=peso
m4=mean((peso-mean(peso))^4)
kurt=m4/(sd(peso)^4)-3
kurt
#ESTATURA
kurtosis=estatura
m4=mean((estatura-mean(estatura))^4)
kurt=m4/(sd(estatura)^4)-3
kurt
frecuencia= table(genero);frecuencia
porcentaje=prop.table(table(genero));porcentaje
porcentaje=(porcentaje*100)
porcentaje
dato1=data.frame(frecuencia);dato1
names(dato1)=c("GENERO","FREC ABSOLUTA");dato1
dato2=data.frame(porcentaje);dato2
names(dato2)=c("GENERO","PORCENTAJE");dato2
dato2=data.frame(porcentaje);dato2
names(dato2)=c("GENERO","PORCENTAJE");dato2
tabla=merge(dato1,dato2,by="GENERO");table
View(tabla)
#________________________________________________________________________
##PARTE DE LAS MUJERES
#4.1. VARIABLES CUALITATIVAS
#4.2.2. ESTATURA(cm)
estaturaf<-c(162,160,160,163,163,158,156,160)
#3.1.1. MEDIA ARITMETICA
mean(pesof)
mean(estaturaf)
#3.1.2. MEDIANA
median(pesof)
median(estaturaf)
#3.1.3. MODA
library(modes)
modes(pesof)
modes(estaturaf)
#3.2. MEDIDAS DE VARIABILIDAD
#3.2.1. RANGO
range(pesof)
range(estaturaf)
#3.2.2. varianza
var(pesof)
var(estaturaf)
#3.2.3. DESVIACION ESTANDAR
sd(pesof)
sd(estaturaf)
#3.2.4. COHEFICIENTE DE VARIACION
100*(sd(pesof)/mean(pesof))
100*(sd(estaturaf)/mean(estaturaf))
#3.3. MEDIDAS DE POSICION
#3.3.1. CUARTILES
quantile(pesof)
quantile(estaturaf)
#3.3.2.DECILES
#PESO
decil <- seq(0, 1, 0.1)
decil
quantile(pesof, decil)
#ESTATURA
decil <- seq(0, 1, 0.1)
decil
quantile(estaturaf, decil)
#3.3.3. PERCENTILES
#PESO
quantile(pesof, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#ESTATURA
quantile(estaturaf, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#3.3.4. MEDIANA
median(pesof)
median(estaturaf)
#3.4. MEDIDAS DE FORMA
#3.4.1. ASIMETRIA
#nos da el valor de la asimetria de los datos de la variable peso
skewness(pesof)
#nos da el valor de la asimetria de los datos de la variable estatura
skewness(estatura)
#3.4.2. CURTOSIS
#PESO
kurtosis=pesof
m4=mean((pesof-mean(pesof))^4)
kurt=m4/(sd(pesof)^4)-3
kurt
#ESTATURAzz
kurtosis=estaturaf
m4=mean((estaturaf-mean(estaturaf))^4)
kurt=m4/(sd(estaturaf)^4)-3
kurt
# GRÁFICAS DE ESTATURA Y PESO VS FRECUENCIA.
hist(pesof)
hist(estaturaf)
#________________________________________________________________________
##PARTE DE LOS HOMBRES
#4.2.2. ESTATURA(cm)
estaturam<-
c(168,178,186,170,170,168,174,174,170,165,170,162,148,176,175,175,174,171
,178,180,183,176,176,178,177,172,168,170,181,170,172,169,185,178,175,158)
library(modes)
modes(pesom)
modes(estaturam)
#3.2. MEDIDAS DE VARIABILIDAD
#3.2.1. RANGO
range(pesom)
range(estaturam)
#3.2.2. varianza
var(pesom)
var(estaturam)
#3.2.3. DESVIACION ESTANDAR
sd(pesom)
sd(estaturam)
#3.2.4. COHEFICIENTE DE VARIACION
100*(sd(pesom)/mean(pesom))
100*(sd(estaturam)/mean(estaturam))
#3.3. MEDIDAS DE POSICION
#3.3.1. CUARTILES
quantile(pesom)
quantile(estaturam)
#3.3.2.DECILES
#PESO
decil <- seq(0, 1, 0.1)
decil
quantile(pesom, decil)
#ESTATURA
decil <- seq(0, 1, 0.1)
decil
quantile(estaturam, decil)
#3.3.3. PERCENTILES
#PESO
quantile(pesom, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#ESTATURA
quantile(estaturam, p=c(0.05,0.10,0.20,0.50,0.65,0.90,0.99))
#3.3.4. MEDIANA
median(pesom)
median(estaturam)
#3.4. MEDIDAS DE FORMA
#3.4.1. ASIMETRIA
#nos da el valor de la asimetria de los datos de la variable peso
skewness(pesom)
#nos da el valor de la asimetria de los datos de la variable estatura
skewness(estaturam)
#3.4.2. CURTOSIS
#PESO
kurtosis=pesom
m4=mean((pesom-mean(pesom))^4)
kurt=m4/(sd(pesom)^4)-3
kurt
#ESTATURA
kurtosis=estaturam
m4=mean((estaturam-mean(estaturam))^4)
kurt=m4/(sd(estaturam)^4)-3
kurt
#5. CONCLUSIONES
#6. BIBLIOGRAFIA
7 BIBLIOGRAFIA
[1]. https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/4934
[2]. https://es.wikipedia.org/wiki/Media_aritm%C3%A9tica
[3]. https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/4934
[4]. https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/4934
[5]. https://sites.google.com/site/estadisticadescriptivaenedu/home/unidad-1/medidas-de-
variabilidad
[6]. https://sites.google.com/site/estadisticadescriptivaenedu/home/unidad-1/medidas-de-
variabilidad
[7]. https://economipedia.com/definiciones/varianza.html
[8]. https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/data-concepts/what-is-the-standard-deviation/
[9]. https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/4934
[10]. https://www.portaleducativo.net/octavo-basico/830/Medidas-de-posicion
[11]. https://www.portaleducativo.net/octavo-basico/830/Medidas-de-posicion
[12]. https://es.wikipedia.org/wiki/Decil_(estad%C3%ADstica)
[13]. https://es.wikipedia.org/wiki/Percentil
[14]. https://www.aulafacil.com/cursos/estadisticas/gratis/medidas-de-posicion-central-la-media-
la-mediana-y-la-moda-l11216
[15]. http://weslintorres.blogspot.com/2009/05/medidas-de-forma.html
[16]. https://www.monografias.com/trabajos87/medidas-forma-asimetria-curtosis/medidas-forma-
asimetria-curtosis.shtml
[17]. https://www.monografias.com/trabajos87/medidas-forma-asimetria-curtosis/medidas-forma-
asimetria-curtosis.shtml