Tabla de contenido

1. TEMA.................................................................................................................................. 1

2. OBJETIVOS....................................................................................................................... 1

2.1. Objetivo General......................................................................................................... 1

2.2. Objetivos Específicos................................................................................................. 1

3. MARCO TEÓRICO............................................................................................................. 1

3.1. Medidas de Tendencia Central...................................................................................1

3.1.1. Promedio............................................................................................................ 1

3.1.2. Mediana.............................................................................................................. 3

3.1.3. Moda................................................................................................................... 5

3.2. Relación entre medidas de tendencia central.............................................................5

3.2.1. Rango................................................................................................................. 8

3.2.2. Desviación Estándar......................................................................................... 10

3.3. Relación entre medidas de Dispersión.....................................................................11

3.3.1. Asimetría........................................................................................................... 14

3.3.2. Curtosis............................................................................................................. 15

3.3.3. Coeficiente de variación....................................................................................16

4. Conclusiones Y Recomendaciones..............................................................................16

4.1. Conclusiones........................................................................................................ 16

4.2. Recomendaciones................................................................................................ 17

5. Bibliografía........................................................................................................................ 17
 1. TEMA
Medidas de tendencia central

2. OBJETIVOS

2.1. Objetivo General

Exponer todas las medidas de tendencia central que encontramos en la estadística, con la
finalidad de aplicarlas dentro de la materia Control de Calidad.

2.2. Objetivos Específicos

 Dar a conocer sobre las medidas de tendencia central como la moda, media y
promedio
 Investigar sobre las medidas de dispersión que encontramos en la estadística.
 Conocer la relación entre las medidas de dispersión con otras medidas, todas
enfocadas o iniciadas desde la estadística.

3. MARCO TEÓRICO
3.1. Medidas de Tendencia Central
“Las medidas de tendencia central se las conoce como promedio es decir es un valor típico o
representativo de un conjunto de datos. Como tales valores suelen situarse hacia el centro del
conjunto de datos ordenados por magnitud.

Una medida de tendencia central de una distribución es un valor numérico que describe la
posición central de los datos, o la forma en que los datos se tienden a acumular en el centro. Hay
tres medidas de uso común: el promedio, la mediana y la moda.” 1

3.1.1. Promedio
“El promedio es la suma de las observaciones dividida entre la cantidad de observaciones. Es
la medida más común de la tendencia central. Hay tres técnicas diferentes para calcular el
promedio: datos no agrupados, datos agrupados y promedio ponderados.

3.1.1.1. Datos no Agrupados

Esta técnica se usa cuando los datos no están organizados. El promedio se representa con la
notación X y se define con la fórmula representada en la Fig.1

1
[CITATION Mur91 \p 60 \l 12298 ]

1
 Fig.1: Fórmula del promedio con datos no agrupados

3.1.1.2. Datos Agrupados

Cuando se han agrupado los datos en una distribución de frecuencias se aplica esta técnica.
La fórmula para el promedio de datos agrupados es la mostrada en la Fig.: 2

Fig.2: Fórmula para datos agrupados

Esta fórmula se aplica cuando el agrupamiento es por clases, que tengan más de un valor
observado por clase.

3.1.1.3. Promedio Ponderado

Cuando se combinan varios promedios con diferentes frecuencias, se calcula un promedio
ponderado. La fórmula del promedio ponderado es la mostrada en la Fig.3.

2
 Fig.3: Fórmula del Promedio ponderado
La técnica del promedio ponderado es un caso especial de la de datos agrupados, en la que
los datos no se organizan en una distribución de frecuencia” 2.

3.1.2. Mediana
“La mediana es el punto medio de una distribución o rango de datos, lo que quiere decir que
este es el numero o posición media de los datos; tal que el 50% de los datos se encuentran tanto
superior como inferior mente hablando.

Por lo que entendemos que al sacar la mediana tenemos que es la posición central en el orden
de los datos dividiéndolos en partes iguales.

Se la puede calcular en datos agrupados como en datos no agrupados:

3.1.2.1. Datos no agrupados

Una de las características importantes de la mediana es que solo se la puede realizar con
datos cuantitativos, ya que estos poseen un orden jerárquico ordenable ascendente o
descendente.

Para hallar el valor de la mediana lo primero que tendremos que hacer es ordenar los datos en
forma jerárquica.

Observación:
Si el número de observaciones es impar entonces la mediana se calcula utilizando la siguiente
fórmula:

2
[ CITATION Dal09 \l 12298 ]

3
 n+1
M=
2

Dónde:

 n es el número de observaciones.
Si el número de observaciones es par entonces tenemos que será el promedio de los 2
números de la mitad.

Debe quedar claro que la división no nos da el número de la mediana, lo que nos da es la
posición en la que se encuentra en la tabla de valores.

Datos agrupados:

Cuando los datos se encuentran agrupados en una distribución de frecuencia, y se hace más
difícil la obtención de la mediana, se la obtiene determinando la clase que tenga el número de la
mitad, la fórmula es la siguiente misma que se muestra en la Fig.3.

Fig.3: Fórmula para los Datos Agrupados

Una cosa importante de recalcar es que la mediana de datos agrupados no se la utiliza con
mucha frecuencia”3.
Ejemplos:
Datos no agrupados:
3 3 3 3 3 3 3 3 3 3 3 3 3
2 3 4 1 2 1 4 2 4 2 1 4 1
3 3 3 3 3 3 3 3 3 3 3 3
1 2 2 4 4 2 3 4 3 3 4 1

3
Galindo, E. (2010). Estadistica fundamentos. barcelona: reverte.

4
 MEDIANA=32

Datos agrupados:
La siguiente tabla muestra la temperatura nocturna (en °C) durante 200 días:

INTERVALO FRECUENCIA F.a.a Mi (Mi*Fa)

2–4 21 21 3 63
4–6 16 37 5 80
6–8 15 52 7 105
8 – 10 26 78 9 234
10 - 12 23 101 11 253
12 – 14 14 115 13 182
14 – 16 20 135 15 300
16 – 18 22 157 17 374
18 – 20 18 175 19 342
20 – 22 25 200 21 525
n=200 ∑=2458

n
( −¿−1)
Med=Li-1+ 2
∗A
¿
( 100−78 )
Med=10+ ∗2
23
Med=11.91

3.1.3. Moda
La moda de un conjunto de números es el valor que se presenta con más frecuencia; es decir,
es el valor más frecuente. Puede no haber moda y cuando la hay, puede no ser única.

3.1.3.1. Moda con datos sin agrupar

Es fácil de identificar, simplemente es la cantidad o el valor que más veces se repite.
En la Fig.4 podemos observar algunos ejemplos en los cuales se identifica claramente la
Moda.

Fig.4: Ejemplos de Moda

5
 Lo descrito en los ejemplos anteriores es para identificar la moda en datos no agrupados.

3.1.3.2. Moda con datos Agrupados

Ahora nos corresponde saber encontrar o determinar la moda en Datos Agrupados. Entonces
la Moda es fácil de ubicar en una tabla de frecuencias pues es el valor de la Variable Xi a la que
corresponde la mayor frecuencia (fi) . Un ejemplo claro se muestra en la Fig. 5

Fig.5: Moda con datos agrupados

3.1.3.3. Moda para datos con Intervalos

Para calcular la moda en datos con intervalos es necesario aplicar la fórmula que se observa
en la Fig. 6

Fig.6: Fórmula para calcular la moda

En la Fig.7 se da un ejemplo de cómo calcular la moda aplicando la fórmula mencionada
anteriormente.

6
 Fig.7: Moda para datos con Intervalos
3.2. Relación entre medidas de tendencia central

Fig.8: Relación entre medidas de tendencia central

“En la (Fig.8) se pueden observar las diferencias entre las medidas de tendencia central.
Cuando la distribución es simétrica el promedio, la mediana y la moda son idénticas, mientras que
cuando la distribución es asimetría los valores son diferentes.
El promedio es la medida de tendencia central más utilizada, se usa cuando la distribución es
simétrica o no es una distribución asimétrica hacia la derecha, se usa para tener un valor estable
para la estadística inductiva.

La mediana es una medida efectiva de la tendencia central cuando la distribución es

asimétrica positiva o negativa. Se usa cuando se desea tener un punto medio exacto de una

7
distribución. Cuando una distribución tiene valores extremos, el promedio se verá afectado
adversamente, pero la mediana permanecerá sin cambios. Una gráfica basada en la mediana es
amigable al usuario, y excelente para vigilar la calidad.

La moda es usada cuando se desea tener una medida rápida y aproximada de la tendencia
central. Entonces, la moda de un histograma se determina con facilidad por examen visual.
Además la moda se usa para describir el valor más característico de distribución, la edad modal de
determinado grupo”4.

3.2.1. Rango

Algo que responde a la identificación de la dispersión de los datos de una muestra es el rango,
el cual se define como la diferencia  entre el dato mayor menos el dato menor de un conjunto de
datos. Su obtención es sumamente sencilla, sin embargo se considera que no es una medida muy
significativa, su aplicación es más útil en la llamada estadística no parámetrica. Una expresión para
el rango puede ser vista como se muestra en la (Fig.9)
 

Fig.9: Expresión del Rango

 
“Podemos retomar el ejemplo planteado en él se observaba que las muestras tienen diferente
dispersión, aunque su media y mediana eran iguales, por lo que una forma de marcar su diferencia
es a través del rango.

Para la primera muestra (0, 45, 50, 55, 100),  el dato menor es 0 y el dato mayor es 100, por lo
que sus valores se encuentran en un rango de:
Rango = 100 – 0 =100

Mientras que para la segunda muestra (47, 49.5, 50, 51.5, 52), el dato menor es 47 y el dato
mayor es igual a 52 por lo que su rango correspondiente es igual a:
Rango = 52 – 47= 5. Lo que indica que la segunda muestra es más homogénea   ya que sus
datos están dispersos en un menor rango. Es también común identificar el rango como recorrido.

A continuación se puede observar en la Fig.10: Un ejemplo claro de lo dicho anteriormente

4
[CITATION Bes09 \p 128 \l 12298 ]

8
 Fig.10: Ejemplo de rango

3.2.2. Desviación Estándar

La desviación estándar es un valor numérico cuyas unidades son las de los valores
observados; mide la tendencia de los datos a la dispersión. Una desviación estándar grande indica
mayor variabilidad de datos que una pequeña. Su fórmula es la siguiente representada en la
(Fig.11)

Fig.11: Fórmula de la desviación estándar

9
 3.2.2.1. Datos No Agrupados
“La fórmula que se definió para la desviación estándar se puede usar con los datos no
agrupados.

Fig.12: Fórmula datos no agrupados

3.2.2.2. Datos Agrupados

Cuando los datos se agruparon en una distribución de frecuencias se aplica esta técnica. La
fórmula para la desviación estándar de datos agrupados es la mostrada en la (Fig.13)

Fig.13: Fórmula datos agrupados

La desviación estándar es un valor de referencia que mide la dispersión en los datos. Cuando
menor sea el valor de la desviación estándar, la calidad será mejor, porque la distribución está más
compactada en torno al valor central.5

3.3. Relación entre medidas de Dispersión

“Las medidas que se pudieron observar en los temas anteriores nos indican la manera en
cómo se agrupan los datos o se concentran en la parte central del conjunto, pero estas no son
suficientes para tener una buena interpretación de los estos ya que también es muy importante
conocer el comportamiento opuesto es decir, la manera en que los se dispersan o se alejan los
datos de la parte central

3.3.1. La dispersión y su importancia

La importancia del concepto de dispersión se hace aún más clara, si se la observa en la
práctica, en otras palabras, puede suceder que varios conjuntos de datos tengan, la misma media

5
[CITATION Dal09 \p 118 \l 12298 ]

10
aritmética y sin embargo, su dispersión sea muy diferente, tal como se puede apreciar a
continuación:

Como podemos observar en los anteriores conjuntos todos tienen la misma media aritmética x́
= 5, pero su dispersión o variabilidad es diferente; mientras que en el conjunto a todos los valores
son iguales a cinco, es decir no existe dispersión, em el conjunto B si existe cierto grado de
dispersión y en el grupo C la dispersión es aún mayor , es mas en este conjunto ni siquiera existe
un valor que sea igual al promedio y esto puede darnos una idea de las conclusiones erróneas que
podemos llegar a tomar si no tomamos en cuenta la dispersión de los datos con respecto a esta
medida.

3.3.2. Medición de la variabilidad

Dentro de la estadística es necesario hacer mención a la medición de la dispersión, existen

diferentes formas de medirla dentro de un conjunto de datos cada una de ellas posee ventajas y
también limitaciones.
La elección de una de ellas en particular dependerá de la situación y si de en ese caso, las
ventajas de su utilización superan a las desventajas en relación a las demás medidas” 6.
Las principales medidas de dispersión son las siguientes:

 Recorrido o amplitud
 Desviación media
 Desviación estándar

6
Aleman, A. V. (2012). Medidas de dispersion en datos no agrupados .
Guanacaste: UACA.

11
 3.3.3. El recorrido o amplitud

"La medida de dispersión más simple recibe el nombre de Amplitud o recorrido y es muy poco
usada puesto que su única ventaja es la sencillez con que se calcula. Es común que se use
también el nombre de Rango para esta medida. La amplitud (A) de un conjunto de datos es la
diferencia entre las observaciones que tienen el mayor y el menor valor numérico en el mismo. “El
recorrido es la diferencia entre los datos mayor y menor del conjunto”. “En un conjunto de datos,
mientras mayor sea el rango mayor será su dispersión y viceversa mientras menor sea su rango

menor será su dispersión.[ CITATION She05 \l 9226 ]

Por ejemplo si tenemos las temperaturas de un lugar A y un lugar B en diferentes épocas del
año se registran los siguientes datos:

En este caso el rango de A es R=22-19,3=2.7

Rango de B es R=39-(-3)=42
Así podemos demostrar que la dispersión de la columna de datos de B es mucho mayor que la
dispersión de datos de A.

3.3.4. La desviación media

Dado un conjunto de datos cuya media aritmética o promedio es x́ , la diferencia o la distancia

de cada valor nominal x a la media aritmética se llama desviación del dato x con respecto a la
media x́ . Es decir, una medición de cuanto se alejo cada valor nominal x de la media.
Por ejemplo, de los datos mostrados en la tabla siguiente, la media aritmética es:

12
 450
x́ = =6
6

Entonces:
La desviación del dato x= 50 con
Respecto de la media es d=50-75= -25
Lo mismo puede decirse de los demás
datos.
Resulta que siendo la media aritmética x́ el
punto central de todos los valores de los datos
x, existían valores simétricos positivos y
negativos, o lo que es lo mismo, la suma de
todas las desviaciones a la media siempre es cero. Para evitar lo anterior esta suma se toma como

valor absoluto.[ CITATION All12 \l 9226 ]

La desviación del dato x=50 con respecto a la media x́ es d= |50-75|= 25

3.4. Asimetría

Es el número cuya magnitud indica el grado de desviación que tienen los datos recopilados, si
la respuesta a la asimetría es mayor que 0 se dice que es una asimetría hacia la derecha, por otro
lado si es menor a 0 se dice que es una asimetría hacia la izquierda. Esto se muestra en la
(Fig.14)

Fig.14: Asimetría

13
 Los valores +1 y -1 implican que las distribuciones son fuertemente asimétricas.

Ejemplo:

3.5. Curtosis
Es el análisis de la curva en función de un punto (s) más alta de la distribución

Si tiene un pico alto como la Fig.15(a) se dice Leptocúrtica y el α 4>3 mientras si es aplastada
como el de la Fig.15 (b) se dice platicúrtica y es cuando su α 4<3 , mientras que si no es muy
puntiaguda ni muy aplastada como el de la Fig.15 (c) se la conoce como mesocúrtica y su α 4=3

14
 Fig.15: Curtósis
Ahora la Fórmula para calcular esto es la mostrada en la Fig.17

Fig.17: Fórmula de la Curtósis

3.6. Coeficiente de variación

El coeficiente de variación es la relación entre la desviación típica de una muestra y su media.

El coeficiente de variación se suele expresar en porcentajes:

El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas,

siempre que sus medias sean positivas.

Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan
entre sí.

La mayor dispersión corresponderá al valor del coeficiente de variación mayor.

Ejercicio: 
Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 24. ¿Cuál de las dos presenta
mayor dispersión?

15
 La primera distribución presenta mayor dispersión”7.

4. Conclusiones Y Recomendaciones

4.1. Conclusiones

 Las medidas de tendencia central son muy utilizadas dentro de la estadística

descriptiva, y facilitan a la interpretación de los resultados.

 En la estadística siempre se hablará de datos agrupados y no agrupados por tal

motivo existen formas de encontrar las medidas de tendencia central para cada uno de
ellos, siendo estas fórmulas muy sencillas de aplicarlas.

 Podemos encontrar ciertos temas de interpretación de las curvas , muchas veces

llamadas medidas de apuntalamiento pero en realidad son una relación de medidas
las mismas que nos ayudan a entender mejor las curvas.

4.2. Recomendaciones.

 Estudiar de manera apropiada todas las medidas de tendencia centra, para poder ser
aplicadas en la resolución de ejercicios y por ende en la interpretación de problemas

 Antes de resolver o calcular cualquier medida, sea esta de distribución, de tendencia

central o de apuntalamiento, fijarse bien como están agrupados los datos.

 Es importante tener en cuenta la forma de las distintas curvas que encontraremos

cuando se calculen las medidas de tendencia centra y las medidas de distribución
para darnos una noción si estas están bien realizadas.

5. Bibliografía
• Dale, H. C. (2009). Control de Calidad. 8 va Pearson.
7
[ CITATION Mur91 \l 12298 ]

16
Aleman, A. V. (2012). Medidas de dispersion en datos no agrupados . Guanacaste: UACA.
Besterfield, D. ((2009).). Control de Calidad. Mexico: PEARSON EDUCACIÓN.

17