MEDIDAS DE POSICION NO

CENTRAL
ING. GISELLE NÚÑEZ N.
 MEDIDAS DE POSICION
❑Las medidas de posición no central permiten
conocer otros puntos característicos de la
distribución que no son los valores centrales.
❑Entre las medidas de posición no central más
importantes están los cuartiles.
❑Los cuartiles son medidas que indican la
posición de los datos sin que ésta sea central.
Percentiles
También llamados “centiles”, son los 99 valores de la
variable que dividen en 100 partes iguales la distribución
de frecuencias.
Percentil k (Pk ): Es un valor de la variable de interés que
deja por debajo de sí un porcentaje k de sujetos, donde k
= 1,2…99
Percentiles
Ejemplo P40 = 25 (25 es la puntuación en un examen)
Quiere decir que los sujetos con X= 25 están por encima
del 40% de los sujetos.
En los percentiles, la mediana coincide con el percentil
50 (es justo la mitad).
Por esta razón el percentil lo calcularemos a partir de las
fórmulas para la mediana.
Cálculo de los percentiles
Utilizaremos la misma fórmula que la mediana pero sustituyendo nk/100 en
lugar de n/2

Pk = Li + ( nk/100 - nd ) I/nc
Li = Límite exacto inferior del intervalo crítico
n = Número de observaciones
nd = Frecuencia absoluta acumulada por debajo del intervalo crítico
nc = Frecuencia absoluta del intervalo crítico
I = Amplitud del intervalo
 Cálculo de los percentiles
Utilizaremos la misma fórmula que la mediana pero sustituyendo nk/100 en lugar de n/2

Pk = Li + ( nk/100 - nd ) I/nc
Tenemos que tener en cuenta que lo primero que hay que hacer es hallar el intervalo
crítico mediante la fórmula (nk/100) a diferencia de cómo lo hallábamos para la mediana
que era mediante la fórmula (n/2)
Aparte de hallar el valor de los percentiles, también puede ocurrir que ya tengamos un
valor y queramos saber qué posición ocupa ese valor en la distribución (es como lo de
antes pero al revés, es decir, antes tenía una posición y quería hallar un valor. Ahora tengo
un valor y quiero hallar una posición. Por lo tanto la fórmula cambia un poco.
k = (Pk - Li ) nc / I + nd . 100/n
Si el resultado de k es decimal se redondea.
 Cuartiles: 3 valores de la distribución que dividen en 4 partes de
igual frecuencia a la distribución.
Primer Cuartil (Q1) = Deja por debajo de sí al 25% y por encima al
75% (Q1 = P25)
Segundo Cuartil (Q2) = Deja por debajo de sí al 50% y por encima
al 50% (Q2 = P50 = Md)
Tercer Cuartil (Q3) = Deja por debajo de sí al 75% y por encima al
Cuartiles y 25% (Q3 = P75)

deciles Por lo tanto como cada cuartil se corresponde con un percentil,

utilizaremos las fórmulas de los percentiles para hallar cada
cuartil.
Deciles: Son 9 valores que dividen en 10 partes iguales a la
distribución. Se representan por D1, D2 …D9 …y al igual que los
cuartiles, también se corresponden con cada percentil: D1 = P10 ;
D2 = P20 etc… Por lo tanto también utilizaremos las fórmulas de
los percentiles para calcular los deciles
Una distribución viene dada por:
El término cuantil
Fue usado por primera vez por Maurice Kendall en 1940.
El cuantil de orden p de una distribución (con 0 < p < 1) es el
valor de la variable que marca un corte de modo que una
proporción p de valores de la población es menor o igual que
x.
Por ejemplo:
El cuantil de orden 0.36 dejaría un 36% de valores por debajo
y el cuantil de orden 0.50 se corresponde con la mediana de la
distribución.
•Los Cuartiles, que dividen a la distribución en cuatro partes (corresponden a los
cuantiles 0.25, 0.50 y 0.75);
•Los Quintiles, que dividen a la distribución en cinco partes (corresponden a los
cuantiles 0.20, 0.40, 0.60 y 0.80) ;
•Los Deciles, que dividen a la distribución en diez partes;
•Los Percentiles, que dividen a la distribución en cien partes.
Rango Intercuartílico
El rango intercuartílico es una medida de dispersión que no es sensible a valores extremos y se
define de la siguiente manera:
MEDIDAS DE FORMA
ING. GISELLE NÚÑEZ N.
5. Medidas de forma.

Parámetros que permiten evaluar ciertas características del

diagrama de barras/histograma (simetría, apuntamiento).

Momento de orden r con respecto a la media:

 (x − x )  ni
r
i
mr = i =1
N
Coeficiente de asimetría:

Un conjunto de datos es simétrico, si lo es su histograma/diagrama de barras

1 2 3 4 5 6 7
1 2 3 4 5 6 7

Simetría

x x

Mo Mo

Asimetría negativa (a la izqda.) Asimetría positiva (a la dcha.)

Coeficiente de asimetría:

x x

Mo Mo

Asimetría negativa (a la izqda.) Asimetría positiva (a la dcha.)

Mayor concentración de Mayor concentración de

datos a la izquierda datos a la derecha
Coeficiente de asimetría:

x − Mo
Coeficiente de asimetría de Pearson: CAP =
(sólo variables con distribución
S
acampanada) Mo: moda

CAP ó AF>0: Asimetría positiva (a la dcha.)

CAP ó AF=0: Simetría
CAP ó AF<0: Asimetría negativa (a la izqda.)

Coeficiente de asimetría de Fisher:

(todo tipo de variables)
k
(
 ix − x )3
 ni
m3
AF = 3 = i =1
S NS 3
Coeficiente de apuntamiento o curtosis:

Previamente: curva normal N(µ,σ) o campana de Gauss

1  x− 
2

1 −  
2  
f ( x) = e
 2

Una variable estadística es normal si el polígono de frecuencias

(utilizando %) se ajusta a esta curva.
Coeficiente de apuntamiento o curtosis:
k
(
 ix − x ) 4
 ni
m4
g2 = 4 − 3 = i =1
4
−3
S NS
Normal

Leptocúrtica: más apuntada g2>0

Mesocúrtica: normal g2=0
Platicúrtica: más aplanada g2<0
La distribución es simétrica cuando:
✓media =moda=mediana,
La distribución es asimétrica con cola a la derecha (sesgada a la derecha) cuando:
✓ media > mediana,
La distribución es asimétrica con cola a la izquierda (sesgada a la izquierda) cuando:
✓media < mediana,
Ligeras correcciones de los coeficientes de asimetría y
curtosis dan lugar a los coeficientes de asimetría y
curtosis tipificadas (Statgraphics)

Aceptamos que un conjunto de datos es

“aproximadamente normal”cuando los
coeficientes de asimetría y de curtosis
tipificadas están entre -2 y 2.