REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR

UNIVERSIDAD NACIONAL EXPERIMENTAL “RÓMULO GALLEGOS”
PROGRAMA DE PROFESIONALIZACIÓN DE ENFERMERIA
AULA MÓVIL – SAN CRISTÓBAL

MEDIDAS DE TENDENCIA CENTRAL

Autores:
Flores F. María E. CI:19.926.371
Garza C. Yohana T. CI:25.633.086
Gómez M. Ana M. CI:19.726.539
Guerra C. Kelly L. CI:24.693.316
Jurado B. Luz C. CI:26.069.865
Pineda. P. Elmarvi D. CI:27.271.351
Sánchez M. América A. CI:17.876.188
Docente:
Lcda. Rosa E. Herrera B.
Cátedra:
Metodología Estadística.
Sección: 2

San Cristóbal, Abril 2020

 ÍNDICE GENERAL

pp.
INTRODUCCIÓN………………………………………………………………….… 1
1. Medidas de tendencia central ……………...……………………………....….. 2
1.1 Moda (Modo)…………………………………………………………......……. 2
1.2 Mediana…………………………….………………………………..…………. 3
1.3 Média Aritmética……………………...………………….………………....…. 4
1.4 Promédio Simple ……………….………………………………………….….. 7
1.5 Promédio Ponderado………………...……………………………………….. 8
1.6 Promédio sin margen de error….……………………………………………. 10
1.7 Medidas de Dispersión….…………………………………………..………… 12
CONCLUSIONES……………………………………………………………….….. 16
REFERENCIAS BIBLIOGRÁFICAS……………………….………………….….. 19

ii
 INTRODUCCIÓN

El estudio de la tendencia central constituye la primera etapa del análisis

estadístico como tal. De un conjunto de datos, sea una simple serie o una
distribución de frecuencias se puede obtener un elemento representativo de
este conjunto, y como tales datos tienden a concentrarse alrededor de su valor
central reciben el nombre de medidas de centralización o medidas de
tendencias central, permitiendo así la ubicación dentro de la escala de
medición.

Esta sección se encuentra enmarcada dentro de la investigación científica,

precisamente destacada en el apartado de análisis de los datos cuantitativos,
en el que utilizando la estadística descriptiva, incluyen las medidas de
tendencia central, fase en la que el investigador utiliza diferentes instrumentos
y técnicas para el registro de datos que va obteniendo en el proceso de
observar el comportamiento de su objeto de investigación, esto conducirá al
logro del manejo adecuado de los datos, ya que permite la puesta en práctica
lo planificado, a fin de obtener un cúmulo de datos para su posterior
representación gráfica, análisis, interpretación y obtención de conclusiones.

En este apartado se desarrollarán los principales análisis estadísticos

empleados por la mayoría de los investigadores. Asimismo, se comentan,
analizan y ejemplifican las medidas estadísticas más utilizadas que incluyen
los métodos y procedimientos de cálculo. A continuación, se abordará una
investigación estructurada en las medidas de tendencia central, partiendo con
moda (modo), mediana, media aritmética (su ejemplificación más sencilla:
promedio simple y su abordaje en datos agrupados en clases como el
promedio ponderado), el promedio sin margen de error y las medidas de
dispersión.

1
1. MEDIDAS DE TENDENCIA CENTRAL

1.1 Moda (Modo)

Dentro de las medidas de tendencia central que describen un valor típico

en un grupo de observaciones, se encuentra el valor más frecuente de la
variable estadística, llamado Moda, Modo o también “Valor Modal”, Martínez
(2012), hace referencia a este apartado como “…el valor de la variable que
más se repite o aquel valor que presenta la máxima frecuencia” (p.107).

Aunque la definición habla por si sola, se destaca que la Moda entonces,

se refiere al valor (llamado también categoría o puntuación) que se presenta
más frecuentemente en una serie, es decir, el dato de mayor frecuencia
(aparición), dentro de la literatura, se puede encontrar denotado por MO e
incluso MD. Martínez et ál. (2012), también señala que:

Puede suceder que una distribución tenga dos Modas, en este caso
se dice que la distribución es Bimodal, en el caso que haya más de
dos modas, se dice que es plurimodal o multimodal. Es la única
medida de posición que puede ser utilizada en atributos, es decir,
cuando la característica es cualitativa (p.107).

De las medias de posición la moda es la que se determina con mayor

facilidad, ya que se puede obtener por una simple observación de los datos en
estudio, por ende es la medida más representativa, se utiliza con cualquier
nivel de medición, en el caso de distribuciones de variables en escala nominal,
debido a que las distribuciones de este tipo presentan datos no susceptibles
de ordenación, de tal forma que para estas distribuciones no es posible realizar
operaciones elementales con sus observaciones. Para poder percibirlo de

2
forma clara, se explicará a continuación un ejemplo: en la serie de: 5 7 6 5 4 3
5 4 3 6 6 5, el MO o MD es el valor 5 ya que es el dato de mayor frecuencia.

Tomando en cuenta lo anterior, se puede sintetizar que, la moda es de fácil

interpretación, su cálculo es sencillo para variables discretas y cualitativas, sin
embargo, la expresión para variables agrupadas se complica, no intervienen en su
determinación todas las observaciones, resulta útil para detectar posibles mezclas de
distintas poblaciones en una misma masa de datos. Y finalmente, se puede calcular
para todo tipo de variable. Conocer las características de la moda es fundamental
al realizar cualquier investigación que se desee, se podrá optar por un soporte
o validación científico, por esta razón es necesario que conozcan sus
características y definiciones de la forma más sencilla.
--------------------------Punto desarrollado por Flores F. María E. CI:19.926.371

1.2 Mediana

La segunda medida de tendencia central, la mediana, en ocasiones se le

llama media posicional, porque queda exactamente en la mitad de un grupo
de datos, luego de que los datos se han colocado de forma ordenada. En este
caso la mitad (50%) de los datos estará por encima de la mediana y la otra
mitad (50%) estará por debajo de ella. La mediana es el valor intermedio
cuando los valores de los datos se han ordenado. Para Quevedo (2011), la
mediana tiene que ver mucho con:

[…] 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 (s/p).

3
 Lo anterior hace referencia a los procedimientos para la Mediana (Me) en
el caso de datos no agrupados: Primero se ordenan los datos; Luego se calcula
la posición de la mediana con la siguiente formula: (n+1)÷2 donde, n es el
número de datos. En cuanto a las ventajas e inconvenientes: la medida más
representativa en el caso de variables que solo admitan la escala ordinal, en
la mediana solo influyen los valores centrales y es insensible a los valores
extremos.

Asimismo, encontrar la mediana en estadística requiere que primero se

ordenen de menor a mayor el grupo de números de una forma lineal, una vez
alineados, encontrar el número justo a la mitad de la línea, esto demostrará
que la media tiene la misma cantidad de ambos lados. Por siguiente, si hay 2
números de un lado y 2 números del otro, se usará el que está entre estos dos,
esto es muy sencillo de realizar cuando es impar la secuencia para hacer este
mismo procedimiento en un grupo par, se volverá a seleccionar el número en
medio, en este caso serán dos números. Encontrar la media de ambos
sumándolos y dividiéndolos entre 2, esta es la forma utilizada para determinar
el valor requerido, la suma de dos números entre 2.
-----------------------Punto desarrollado por Garza C. Yohana T. CI:25.633.086

1.3 Media Aritmética (X)

El Cálculo promedial está sustentado precisamente en la noción del

cociente, que es el fundamento del que se pueden desprender definiciones,
teoremas y teorías, identificadas todas ellas como categorías constructivas del
conocimiento matemático, como es el caso de la probabilidad y la estadística.
Uno de los conceptos de promedio más conocido y usado para la realización
de diferentes cálculos, es precisamente la media aritmética, Figueroa,
Ramírez, y Alcalá (2014), la definen como: “…la suma de todos los valores de

4
la distribución dividida entre el número total de datos. En una muestra cuyos
valores están dados por X1, X2,…,Xn, la media aritmética está definida como:
” (p. 91).

De lo anterior, se puede inferir, partiendo de la ecuación planteada que, la

media aritmética se calcula sumando todos los datos y dividiendo por el
número total de ellos. Se simboliza como X; el signo “∑” indica que debe
efectuarse una sumatoria, en donde X es el símbolo de una puntuación (toma
valores distintos, que se repiten el número de veces que indica una
determinada frecuencia, en pocas palabras, el número de veces que se repite
“x” variable, “x” cantidad de veces) y N, es el número total de casos o
puntuaciones, conocido también como tamaño de la muestra.

Hernández, Fernández, y Baptista (2014), por otro lado, adicionan un

elemento más a la explicación anterior aludiendo a las propiedades o
características de la media, en el que señalan: “…Es una medida solamente
aplicable a mediciones por intervalos o de razón. Carece sentido para
variables medidas en un nivel nominal u ordinal. Resulta sensible a valores
extremos” (p. 287).

La media aritmética, entonces es el promedio más conocido y usado, sólo

se puede calcular para variables numéricas, por lo que un conjunto de datos
numéricos sólo tiene una media. Cabe acotar que es un parámetro sensible a
la presencia de valores muy separados del resto de datos, en ella influyen pues
todos los valores de la variable, por lo que los valores extremos (valores muy
grandes o muy pequeños) de la serie tienen gran influencia en su valor.

Existen numerosos procedimientos de cálculo de la media. Estas técnicas

surgen según la forma y presentación de los datos, Molero del Río (2017),
hace referencia al cálculo de la media de una variable discreta con datos

5
aislados. Es la metodología más sencilla que deriva de aplicar la definición
descrita anteriormente. Por otro lado, también se suma el procedimiento del
cálculo de la media de una variable discreta con los datos presentados en
tablas de frecuencias. La media se calcularía como la suma total de los
productos entre cada valor de la variable en cuestión y su frecuencia relativa,
el cálculo de la media en este caso puede resultar más complejo ya que
interviene la idea de ponderación.

Finalmente, en el último procedimiento, constituye el cálculo de la media de

una variable continua o discreta con datos agrupados en intervalos de clase,
para esta cuenta, se usarán como datos las marcas de clase, tomadas como
el punto medio del intervalo, así como las frecuencias de cada clase. Lo
anterior, se desarrolla a groso modo, solo para indicar que existen otros
procedimientos o estrategias para el desarrollo de esta temática, para fines de
esta investigación, se desglosará el aspecto básico, que es comúnmente
usado y se planteó inicialmente, para ello Figueroa et ál. (2014) lo ilustra de la
siguiente forma: Por ejemplo, para los siguientes datos: 15, 18, 12, 13, 12, 13,
16, 13, 12, 15,19, 12, 15, 13, 12, la media será:

X= 15+18+12+13+12+13+…12 = 14
15
La representación anterior, incluso puede extrapolarse en diversos casos
aplicados a la práctica clínica, por ejemplo, para resumir el número de
pacientes promedio que se atiende en un turno de enfermería; para obtener el
valor promedio de controles prenatales que tiene una gestante en el servicio
de obstetricia; para obtener el valor promedio de la tensión arterial diastólica
(TAD) en pacientes internados en el servicio de cardiología en un turno de
enfermería.
--------------------------Punto desarrollado por Gómez M. Ana M. CI:19.726.539

6
1.4 Promedio Simple

Para definir el promedio simple es importante resaltar lo señalado por

Walpole (2019), quien sostiene que:

[…] la media aritmética, es también llamada promedio o simplemente

media, es el valor característico de una serie de datos cuantitativos, el
cual es independiente de las amplitudes de los intervalos. Se simboliza
como X y se encuentra sólo para variables cuantitativas (p.35).

Según este autor, la media aritmética, “es la sumatoria de datos divididos

entre el total de datos observados”, se encuentra sumando todos los valores y
dividiendo por el número total de datos. La fórmula general para N elementos
es: X= x1+x2+x3+xn entre n. Se pueden caracterizar distintas observaciones
sobre la media aritmética, la cual se puede hallar sólo para variables
cuantitativas, es independiente de las amplitudes de los intervalos, puede ser
muy sensible a las puntuaciones extremas y la media no se puede calcular si
hay un intervalo con una amplitud indeterminada. Cada conjunto de datos tiene
una media el cual es únicas y útil para llevar a cabo procedimientos
estadísticos como la comparación de varios conjuntos de datos.

En estadística inferencial es la medida de tendencia central que tiene

mejores propiedades. 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 homogéneo.
-------------------------Punto desarrollado por Guerra C. Kelly L. CI: 24.693.316

7
1.5 Promedio Ponderado
Se define como una medida de tendencia central, la cual se utiliza para
nombrar un método de cálculo que se aplica cuando, dentro de una serie o
conjunto de datos cada uno de ellos tiene una importancia relativa con
respecto a los demás datos, es decir, que hay un dato que tiene mayor valor
que el resto. De modo que esta medida, también conocida como ponderación
busca establecer dicho peso; y usar de este modo el valor que se obtenga para
así poder realizar el cálculo promedio.

Dentro de esta misma idea, la medida ponderada es una herramienta que

se aplica con la finalidad conseguir un recuento de las evaluaciones o
mercaderías, de manera que, se obtiene o calcula, según Zapata (s/f):
“multiplicando cada uno de los datos por su ponderación (peso) para luego
sumarlos, obteniendo así una suma ponderada; después se divide esta entre
la suma de los pesos, dando como resultado el promedio ponderado” (p.1).

Con referencia a lo anteriormente citado se puede decir que el promedio

ponderado nos ayuda a conseguir el porcentaje de una determinada
valoración, para lograr tener estos resultados se necesitan agrupar los datos,
una vez teniéndolos se procede aplicar la fórmula para calcular la media
ponderada, ya explicada en el párrafo anterior, una vez aplicada la misma de
forma correcta se obtiene el resultado de lo que se quiere comparar,
mayormente estas medidas se usan en el área de educación para las
evaluaciones de los alumnos y en las grandes empresas en el área de
contabilidad para obtener el inventario de las mismas.

También debe señalarse que la importancia del promedio ponderado puede

no ser evidente, pero, por el contrario, se trata de una técnica muy útil y que
puede marcar una diferencia considerable con el cálculo del promedio normal,
asimismo, Rodríguez (2019), explica:

8
 […] la media ponderada tiene numerosas aplicaciones entre estas
tenemos la nota de una asignatura donde el examen tiene un peso
mayor al de un trabajo, también se usa para determinar el índice de
precios de consumo, el cual, para obtener el promedio ponderado
se saca el porcentaje de los diferentes bienes” (p.2).

Según lo citado anteriormente, la media ponderada es instrumento que

facilita el resultado general de un objeto en estudio como se explica esta
medida es de mucha ayuda y gran utilidad en el área de la educación
principalmente, así como en el área de comercio para agrupar los resultados
de las evaluaciones o para determinar el inventario de un negocio o de
cualquier grupo empresarial.

A continuación, se demostrará cuál es el procedimiento para desarrollar

y obtener el promedio ponderado en el siguiente ejemplo: la nota final de
una asignatura es una media ponderada de las notas que han obtenido los
alumnos en los cuatro elementos evaluables que determina el profesor; el
responsable de la asignatura otorga un peso de 3 al examen inicial, de 1 al
trabajo entregable, 2 al trabajo final y 4 al examen final las notas del alumno
fueron las siguientes:

Fuente: Universo Formulas (2019).

Media ponderada

Luego se hace la suma de los productos de las notas por el peso de cada
nota y se divide por la suma de los pesos:

9
 MP= 3.5,2+1.8,2+2.7,4+4.5,7= 61,4= 6,14
3+1+2+4 10
Por lo tanto, la nota final del alumno en esta asignatura es de 6,14. Se
puede observar en el siguiente grafico como la nota es muy próxima a las
notas sacadas en los exámenes, esto es a causa de que los exámenes eran
más importantes y tenían unos pesos mucho mayores que los de los
trabajos.

-------------------------Punto desarrollado por Jurado B. Luz C. CI: 26.069.865

1.6 Promedio sin margen de error

1.6.1. Teoría de muestreo

Una parte fundamental para realizar un estudio estadístico de cualquier tipo

es obtener unos resultados confiables y que puedan ser aplicables. Por lo que
la solución es llevar a cabo el estudio basándose en un subconjunto de esta
denominada muestra. Sin embargo, para que los estudios tengan la validez y
confiabilidad buscada es necesario que tal subconjunto de datos o muestra,
posean algunas características específicas que permitan al final generalizar
los resultados hacia la población en total, esas características tienen que ver
principalmente con el tamaño de la muestra y con la manera de obtenerla.

A la hora de determinar el tamaño que debe alcanzar una muestra hay que
tomar en cuenta ciertos factores: el tipo de muestreo, el parámetro a estimar
que son las medidas o datos que se obtienen sobre la población, el error
muestral de estimación o standard que es la diferencia entre un estadístico y
su parámetro correspondiente, la varianza poblacional es cuando una
población es más homogénea la varianza e menor y el número de entrevistas
necesarias para construir un modelo reducido del universo, o de la población

10
será más pequeño y el nivel de confianza es la probabilidad de que la
estimación efectuada se ajuste a la realidad.

Errores dentro de un estudio de muestreo

Es un error que se establece entre la muestra y la población, definido como

la diferencia entre el estadístico muestral y el parámetro poblacional
correspondiente en tal caso, Silva (2011), acota que: “la muestra denotada
como n, es el conjunto de casos extraídos de una población, seleccionado por
algún método de muestreo […] siempre es una parte de la población” (p.1).
Pero no siempre se puede realizar una investigación que incluya a todos los
sujetos que conforman una población ya sea a su tamaño, por motivos
económicos o por no ser accesible. Su fórmula: E=x-u

Error estándar de la muestra, es un error intrínseco de la misma muestra y

depende de la normalización de cualquier distribución de probabilidad en
estudio “es la medida de la dispersión de las medias muéstrales alrededor de
la media poblaciones o por lo tanto mide la tendencia a sufrir del error de
muestreo, en el esfuerzo por estimar a la media poblacional”. Para definir este
error debemos desarrollar el teorema del límite central que nos señala, donde
la media de medias (gran media) es igual a la media poblacional y el error
estándar es igual a la desviación estándar o típica dividida entre la raíz
cuadrada del tamaño de la muestra.

Error estándar de la muestra:

Gran media o media de media:

Luego:

11
Error estándar de promedio

Al calcular un promedio muestral se obtiene uno de los muchos promedios

posibles de estimar, ya que las muestras con la que contamos es una de las
tantas que se podría haber tomado. El error estándar mide la variabilidad
esperada del promedio muestral como estimado de la media poblacional. Se
simboliza “e.s” o SEM (por la abreviación de standard error of mean) y se
calcula como: SEM= , Donde s es la desviación estándar muestral y n el
tamaño de la muestra. Ejemplo: Para los 10 datos de
edad:73,68,59,40,81,72,40,70,59,72. El error estándar es estimado a:

SEM= años.

Nótese que el error estándar es menor en la medida en que el tamaño de

la muestra aumenta más allá de que la formula refleja esto, debido que el n
está en el denominador, intuitivamente no se espera mucha dispersión entre
promedio de muestras aleatorias de tamaño muy grande.
--------------------Punto desarrollado por Pineda. P. Elmarvi D. CI: 27.271.351

1.7 Medidas de dispersión

Se denominan medidas de dispersión aquellas que pretenden captar y

resumir la mayor o menor variabilidad, la mayor o menor concentración,
homogeneidad o parecido entre las observaciones de la variable. Se presenta
a continuación las medidas de dispersión más frecuentes. Como en las
medidas de tendencia central, se partirá de una variable genérica, X, y de un
conjunto de n observaciones {x1, x2, x3, x4,...,xn}. Rango o recorrido. Se
define como la diferencia entre el mayor y el menor valor de la variable: Rango
= R = x Max – x min.

Los valores máximo y mínimo de la variable en el caso del colesterol, son

133 y 366 mg/100ml respectivamente. Con ello, el rango para esta variable
sobre las 200 observaciones es R = 366 – 133 = 233 mg/100ml es decir, todas

12
las observaciones se encuentran en este recorrido. Según Martin, Homa,
Nedel y Navarro (2010):

El rango se definirá como la diferencia entre los valores máximo y

mínimo observados, aunque en algunos textos a esa diferencia se
le conoce como recorrido, guardando el concepto de rango a la
expresión de esos dos valores citados. No tiene grandes
aplicaciones más que conocer, a efectos descriptivos, que posibles
valores de los que teóricamente define la variable como hemos
podido observar. No tiene ninguna propiedad particular y tampoco
existe una función conocida que nos permita plantear en términos
de probabilidad de que este rango sea igual o diferente a otro en
poblaciones de aporte a muestras de la misma variable (p.41).

A lo anterior expuesto la importancia del rango dentro de los análisis de las

variables es el de encontrar el centro de cada dato, es decir, el equilibrio entre
el valor máximo y el mínimo, un ejemplo podría ser en el área de pediatría
donde hay niños con pesos y tallas adecuadas a su edad pero también hay
niños en estado de desnutrición debemos hacer el rango para poder encontrar
los valores adecuados de peso a cada niño para poder enviar el tratamiento
adecuado, niño de 5 años con una talla de 106 cm con un peso ideal de 18kg,
un niño de 5 años con 95cm y 10kg ¿cuál sería el rango? El rango estaría entre
100cm y 16 kg he allí los hallazgos, los resultados que el pediatra tomara en
cuenta para corregir el daño.

Así mismo dejamos ver que es una medida de cálculo sencillo y rápido,
puesto que depende sólo del mayor y menor valor de la variable. Pero debido
a ello es poco informativa de lo que sucede con el resto de observaciones,
afectándose por la existencia de observaciones es por esto que la Varianza y
desviación típica o estándar Es la medida de variabilidad más utilizada. La
varianza según el diccionario de términos estadístico (2009) pág. 570 es el
promedio de los cuadrados de las distancias de los datos de la media y es
representada por V. Es un valor que nos permite comparar las dispersiones de
dos poblaciones distintas. Se calcula para cada una de las poblaciones y los
valores que se obtienen se compararan entre sí.

13
 La idea para su construcción surge de cuantificar las distancias, y por
consiguiente la variabilidad, entre los valores de la variable a través de su
diferencia respecto de una medida central como es la media: Varianza = n (x -
x) s = i 2 n 2 i=1  Debido a que la varianza no está expresada en las mismas
unidades que la variable, sino en unidades al cuadrado, se define la desviación
típica o estándar como la raíz cuadrada positiva de la varianza: Desviación
típica o estándar = n (x - x) s = i 2 n i=1 , para los que la media en días de
estancia es de 18,1 días, la varianza y desviación típica serían: 2 2 2 2 2 2 =
995,4 días 12 (1- 18,1) + (1- 18,1) + (2 - 18,1) + ... + (121- 18,1) s = s = s =
995,4 = 31,6 días. Tanto la varianza como la desviación típica deben ser
mayores o iguales a 0. El valor 0 sólo se alcanzará en aquellos casos en que
los datos alcancen el mismo valor.

Así mismo representan una cuantificación absoluta de la variabilidad o

dispersión de los datos, es decir, dependiente de su localización (media) y sus
unidades de medida. Esto hace que sus valores para diferentes variables o
conjuntos de datos no sean comparables. Las expresiones expuestas para la
varianza y la desviación típica se refieren al conjunto de datos interpretado
como una población. Representan las medidas descriptivas resumen de la
variabilidad de ese conjunto de datos. Cuando éste es contemplado como una
muestra de una determinada población, y el objetivo a través de la varianza y
la desviación típica es calcular un valor que resuma la variabilidad,
pretendiendo aproximarse al verdadero valor poblacional, deben ser utilizadas
las expresiones para la varianza y desviación típica: Varianza = n - 1 (x - x) s
= i 2 n i=1 c 2  ; Desviación típica = s = s 2 c c que resultan ser los estimadores
de los respectivos parámetros poblacionales.

De igual forma cuando n es grande, la diferencia es mínima entre las

expresiones expuestas, pero si n es pequeño, puede haber una diferencia
notable. Hay que tener en cuenta que algunos paquetes estadísticos para
ordenador o calculadoras científicas realizan los cálculos con ambas
expresiones o a veces con sólo una de ellas. Coeficiente de variación La
varianza y desviación típica representan medidas absolutas de la dispersión
de un conjunto de observaciones de una variable. Su interpretación depende
de la unidad de medida de la variable, así como de su localización. Esto hace
que las desviaciones típicas o varianzas de variables distintas sobre un mismo
conjunto de datos o de la misma variable sobre conjuntos de datos diferentes
no sean comparables, no pudiendo afirmar en qué caso hay mayor o menor
variabilidad.

14
 Ejemplo de medidas de dispersión

Consideremos como ejemplo una distribución de frecuencia de madres que

asisten a un programa de lactancia materna, clasificadas según el número de
partos. Por tratarse de una variable en escala discreta, las clases o categorías
asumen sólo ciertos valores: 1, 2, 3, 4, 5.

Y1 – nº de
ni yi ni Ni(frec acumulada)
partos
1 4 4 4
2 13 26 17
3 16 48 33
4 6 24 39
5 3 15 42
Total 42 117

Entonces las 42 madres han tenido, en promedio, 2,78 partos.

------------------------Punto desarrollado por Sánchez M. América A. CI: 17.876.188

15
 CONCLUSIONES

Moda: Es un elemento indispensable y fundamental dentro del mundo de

la estadística que con frecuencia se escucha en compañía de términos como
media, promedio o mediana. Se entiende como moda el dato que tiene mayor
frecuencia dentro de la distribución, su importancia como medida de tendencia
radica en que permite mostrar en qué lugar se ubica un dato promedio o típica
del grupo, sirviendo como un método para comparar o interpretar cualquier
puntaje en relación con el puntaje central o típico, al igual que comparar los
resultados medios obtenidos por dos o más grupos.

Mediana: Para concluir la mediana es una medida que puede identificar el

valor que se encuentra en el centro de los datos, es decir, permite conocer el
valor que se encuentra exactamente en la mitad del conjunto de datos después
que las observaciones se han ubicado en serie ordenada. Esta medida indica
que la mitad de los datos se encuentran por debajo de este valor y la otra mitad
por encima del mismo.

Media Aritmética: En el conjunto de prácticas matemáticas, tanto personal

como institucional, intervienen objetos matemáticos de distinta naturaleza:
símbolos, gráficos, textuales, orales, entre otros, lo que implica la introducción
de la Estadística en el estudio de la tendencia central, que es la primera etapa
del análisis estadístico como tal, en particular, la media aritmética que es
objeto de estudio, el valor de tendencia central que más frecuentemente se
usa para representar a los datos de una serie, es el punto de equilibrio, el
centro de gravedad de la serie; y el mismo procedimiento mencionado puede
trasladarse a otros ámbitos y cuestiones para obtener los promedios y generar
utilidad en el ámbito de la aplicación clínica, científica e investigativa.

16
 Promedio Simple: De acuerdo a este contenido se puede dar a conocer
distintas fases sobre la media ya que es una medida del centro de los datos,
mediante un valor que representa distintos aspectos del conjunto de datos
como un todo durante su investigación, se refieren a los aspectos razonable
como punto medio y punto de equilibrio como aquellos que definen la media
aritmética.

Promedio Ponderado: En conclusión se puede decir que el promedio

ponderado es muy importante ya que se usa frecuentemente en la vida
cotidiana para dar un valor representativo sobre registros de datos variados,
como calificaciones, encuestas, censos de población, salarios, velocidades,
inventarios de empresas entre otros asimismo el promedio ponderado se
relaciona con otras disciplinas como es la física, la medicina, la sociología y
otras ciencias de igual modo está inmerso en la estadística como una
herramienta fundamental para obtener los datos estándar de una
investigación, para finalizar esta medida es muy sencilla y gran utilidad.

Promedio sin margen de error: Con respecto al tema sobre el muestreo

se puede entender que mientras mayor sea el tamaño de la muestra menor
será el error de muestreo, ya que el error estándar mide la variabilidad del
promedio muestral el cual se puede simbolizar como SEM el cual se presenta
mediante distintas fórmulas que ayudan a realizar los estudios a una población
determinada junto con la desviación estándar y el tamaño de la muestra y así
entender si hay un error durante el estudio practicado.

Medidas de dispersión: Para concluir Las medidas de dispersión son

importantes porque nos hablan de la variabilidad que encontramos en una
determinada muestra o población cuando hablamos de muestras o población
nos referimos específicamente a los usuarios que a diario asisten al área
asistencial para ser evaluadas. Cuando hablamos de muestra, esta dispersión

17
es importante porque condiciona el error (es el valor que va a arrojar los
análisis de las variables ejemplo pesos y tallas, exámenes de laboratorio. Etc.)
que vamos a tener a la hora de hacer inferencias para medidas de tendencia
central, como la media.
Las medidas de dispersión se contrastan con la ubicación o la tendencia
central, y juntas son las propiedades más utilizadas de las distribuciones.
Pretenden resumir en un solo valor la dispersión que tiene un conjunto de
datos. Las medidas de dispersión más utilizadas son: Rango de variación,
Varianza, Desviación estándar, Coeficiente de variación, estos patrones le
darán al especialista los correctos valores a estudiar y el tratamiento a indicar.

18
 REFERENCIAS BIBLIOGRÁFICAS

Figueroa, A., Ramírez, H. y Alcalá, J. (2014). Introducción a la metodología

experimental (1era ed.). Pearson Educación.

Hernández, R., Fernández, C. y Baptista, P. (2014). Metodología de la

investigación (6ta ed.). México: Edición McGRAW- HILL.

Martin, M., Homa, O., Nedel, F. y Navarro, A. (2010). Fundamentos de

estadística en ciencias de la salud [Libro online]. Disponible:
www.books.google.co.ve. [Consulta: 2020-04-09].

Martínez, C. (2012). Estadística y muestreo (13ra ed.). Bogotá: Ecoe Ediciones

Molero del Río, A. (2017). Comprensión del concepto de media aritmética en
los estudiantes de educación secundaria obligatoria: Trabajo Fin de
Máster en Didáctica de la Matemática, Universidad de Granada
Departamento de Didáctica de la Matemática.

Quevedo, F. (2011). Medidas de tendencia central y dispersión. Publicación,

11(3),s/p.https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/493
4?ver=sindiseno

Quevedo. F. (2011). Estadística Aplicada a la Investigación en Salud [Articulo

disponible en línea]. Disponible: www.dsp.facmed.unam.mx. [Consulta:
2020-04-09]

Rodríguez. A. (2019). Media Ponderada. España. [Artículo en línea]

Disponible: universoformulas.com/estadística/descriptiva/media-
ponderada/ [Consulta: 2020 Abril 09]

Silva, A. (2011). Determinando la población y la muestra. Recuperado de

https:allanucatse.files. wordpress.com/2011/01/tipo-de-muestreo.pdf

Universo Formulas (20159). [Página web en línea]. Disponible:

https://www.universoformulas.com/estadistica/descriptiva/media-
ponderada/. [Consulta: 2020, Abril 14].

Walpole, R. (2019). Probabilidad y Estadísticas para ingeniería y ciencias. (9na

ed.). Pearson Educación.

Zamora, M. (2009). Diccionario de Términos Estadísticos.

19
Zapata.F. (s/f) Media ponderada: cómo se calcula, ejemplos y ejercicios.
México [Artículo en línea] Disponible: lifeder.com/media-ponderada/
[Consulta: 2020, Abril 09]

20