MEDIDAS ESTADISTICAS COMPLEMENTARIAS

JUAN MIGUEL LOPEZ P.

INGENIERIA FISICA
Medidas de tendencia central menos usadas

Media geométrica:
La media geométrica es un tipo de media que se calcula como la raíz del producto de un
conjunto de números estrictamente positivos.

La media geométrica se calcula como un producto conjunto. Es decir, que todos los valores
se multiplican entre sí. De modo que si uno de ellos fuera cero, el producto total sería cero.
Por ello, debemos siempre tener en cuenta que a la hora de calcular la media geométrica
necesitamos números que sean únicamente positivos.

Uno de sus principales usos es para calcular medias sobre porcentajes, pues su cálculo
ofrece unos resultados más adaptados a la realidad. Veremos ejemplos de esto más tarde,
pero antes debemos conocer su fórmula.

Donde:

 N: Se trata del número total de observaciones. Por ejemplo, si tenemos el

crecimiento de los beneficios de una empresa durante 4 periodos, N será 4.

 x: La variable X es sobre la que calculamos la media geométrica. Siguiendo el

ejemplo anterior, el crecimiento de los beneficios estará expresado en porcentaje y
será la variable X.
  i: Representa la posición de cada observación. En este ejemplo, podríamos ponerle
un número cada periodo. Un 1, al periodo 1, un 2 al periodo 2, etc. De manera que
x1 es el crecimiento de los beneficios en el periodo 1, x2 el crecimiento de los
beneficios en el periodo 2, x3 el crecimiento de los beneficios en el periodo 3 y x4 el
crecimiento de los beneficios en el periodo 4.

Ejemplo:

Supongamos los resultados de una empresa. La empresa ha generado un 20% de

rentabilidad el primer año, un 15% el segundo año, un 33% el tercer año y un 25%
el cuarto año. Lo fácil, en este caso sería sumar las cantidades y dividir entre cuatro.
Sin embargo esto no es correcto. Para calcular la media de varios porcentajes
debemos hacer uso de la media geométrica. Aplicado al caso anterior, tendríamos lo
siguiente:

El resultado es 1,23, que expresado en porcentaje es un 23%. Lo que quiere decir que en
promedio, cada año la empresa ha ganado un 23%. Dicho de otra forma, si cada año
hubiese ganado un 23%, hubiera ganado lo mismo que ganando un 20% el primer año, un
15% el segundo, un 33% el tercero y un 25% el último año. [ CITATION Jos20 \l 1033 ]

Media armónica:
La media armónica (H) de un conjunto de elementos no nulos (X1, X2,…,XN) es el
recíproco de la suma de los recíprocos (donde 1/Xi es el recíproco de Xi)) multiplicado por
el número de elementos del conjunto (N).
La media armónica es la recíproca de la media aritmética. Los elementos del conjunto
deben ser necesariamente no nulos. Esta media es poco sensible a los valores grandes y los
infravalora respecto a la media aritmética, pero muy sensible a los valores próximos a cero,
ya que los recíprocos 1/Xi son muy altos, por lo que les da más peso que en las medias
aritmética y geométrica. Si algún valor fuese cero, la media armónica quedaría
indeterminada.

Ésta no tiene un uso muy extenso en el mundo científico. Suele utilizarse principalmente
para calcular la media de velocidades, tiempos o en electrónica.

Un tren realiza un trayecto de 400km. La vía tiene en mal estado que no permitían correr.
Los primeros 100 km los recorre a 120km/h, los siguientes 100km la vía está en mal estado
y va a 20km/h, los terceros a 100km/h y los 100 últimos a 130km/h. Para calcular el
promedio de velocidades, calculamos la media armónica.

La media armónica es de H=52,61km/h.

[ CITATION Ber14 \l 1033 ].

Media cuadrática:
La media cuadrática o RMS (Root Mean Square) de un conjunto de valores (X1, X2,
…,XN) es una medida de posición central. Esta se define como la raíz cuadrada del
promedio de los elementos al cuadrado.

La media cuadrática es muy útil para calcular la media de variables que toman valores
negativos y positivos. Se suele utilizar cuando el símbolo de la variable no es importante y
lo que interesa es el valor absoluto del elemento. Por ejemplo, para calcular la media de
errores de medida.

Una aplicación clásica de la media cuadrática es la determinación del valor eficaz de un

parámetro sinusoidal en electricidad, en corriente alterna (tensión en voltios o intensidad en
amperios).
Ejemplo:
Un profesor pide a sus alumnos que realicen un experimento en el laboratorio. Espera que
los alumnos obtengan 5 litros de ácido clorhídrico. Anota en una tabla una columna con las
cantidades de ácido obtenidos por cada alumno y en la otra el error por falta o exceso de la
cantidad esperada, de la siguiente manera:
Se representa gráficamente los errores de los seis alumnos.

Al profesor no le importa si el error se produjo por falta o por exceso, sino la cantidad de
ácido de diferencia respecto a la esperada. Para ello, utiliza la media cuadrática:

La media cuadrática es RMS=0,76

[ CITATION Ber14 \l 1033 ]

Media cubica
Es una derivación de la p-medida.
La p-medida se define elevando los datos a la potencia p-esima, sumando, dividiendo entre
el numero de datos y extrayendo la raíz p-esima, de forma análoga a la formula de la media
cuadrática, pero con exponente e índice p, es decir:
Para p = 3 tenemos la media cubica.

La media cubica se utiliza por ejemplo para estimar el tiempo de vida de piezas mecánicas.
[ CITATION Lam14 \l 1033 ]

Media ponderada
La media ponderada es un tipo de media que otorga diferentes pesos a los distintos valores
sobre los que se calcula.

Una de las medias más utilizadas por su versatilidad es la media ponderada. Se diferencia
de la media aritmética en que no le da la misma importancia a todos los valores. De hecho,
como veremos más tarde, en realidad la media aritmética es una media ponderada en la que
todos los valores son igual de importantes.

La media ponderada se hace muy útil, por ejemplo, para calcular notas de una asignatura.
Queremos tener en cuenta para valorar la nota final que un alumno haya realizado los
ejercicios, los trabajos y haya participado en clase. Claro que, no podemos darle la misma
importancia que al examen final. En el examen final debe mostrar que, efectivamente ,ha
adquirido los conocimientos. Un profesor de matemáticas podría por ejemplo, indicar que
la nota del examen tiene una ponderación del 70%, la realización de ejercicios un 20% y la
participación en clase un 10%.
Para cada uno de los casos anteriores, tendremos una nota distinta. Por ejemplo, en el
examen un 8,5, en los ejercicios un 7,3 y en la participación en clase un 9,3. ¿Cómo
calculamos la media si tenemos valores diferentes, con diferentes porcentajes? Para ello se
utiliza la media ponderada.

La fórmula de la media ponderada es la siguiente:

[ CITATION Jos20 \l 1033 ]

Relación entre media, mediana y moda.

En una distribución simétrica el valor de media aritmética, la mediana y la moda coinciden.

[ CITATION Est15 \l 1033 ]

Desviación media
La desviación respecto a la media es la diferencia entre cada valor de la variable estadística
y la media aritmética.

Di = x - x

La desviación media es la media aritmética de los valores absolutos de las desviaciones

respecto a la media.

Ejemplo
Calcular la desviación media de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación

media es:
[ CITATION Sup20 \l 1033 ]

Coeficiente de variación:
El coeficiente de variación, también denominado como coeficiente de variación de Pearson,
es una medida estadística que nos informa acerca de la dispersión relativa de un conjunto
de datos.

Es decir, nos informa al igual que otras medidas de dispersión, de si una variable se mueve
mucho, poco, más o menos que otra.
Su cálculo se obtiene de dividir la desviación típica entre el valor absoluto de la media del
conjunto y por lo general se expresa en porcentaje para su mejor comprensión.

X: variable sobre la que se pretenden calcular la varianza

σx: Desviación típica de la variable X.
| x̄ |: Es la media de la variable X en valor absoluto con x̄ ≠ 0
Coeficiente de desviación media
El coeficiente de variación o coeficiente de variación de Spearman es una medida
estadística que ofrece información respecto de la dispersión relativa de un conjunto de
datos. Esta medida es muy utilizada en la ciencia de las estadísticas, relacionando la media
aritmética y la desviación estándar de un conjunto de datos. Así, en resumen, el coeficiente
de variación sería la variación ambicionada de un conjunto de datos respecto de su media
aritmética.

¿CÓMO SE CALCULA EL COEFICIENTE DE VARIACIÓN? EJEMPLO DE

CÁLCULO

El coeficiente de variación se denomina por las siglas CV, se expresa en un porcentaje,

pues se trata de un coeficiente, y se calcula de la siguiente manera:

CV = desviación estándar / media aritmética x 100

Este coeficiente es utilizado para comparar conjuntos de datos de poblaciones distintas,

teniéndose en cuenta el valor de la media aritmética, lo que nos permite eliminar las
eventuales distorsiones de las medias de dos o más poblaciones.

Pongamos un ejemplo para entender mejor esta fórmula:

Supongamos que tenemos una población de perros con un peso medio de 1.000 kilos y una
desviación típica de 150 kilos. Por otro lado, tenemos una población de ratas con un peso
medio de 25 kilos y una desviación típica de 10 gramos. Ahora hemos de comparar la
dispersión de ambas poblaciones utilizando la desviación típica de ambas. Vamos a ello:

Perros à 150/1.000 = 0,15

Ratas à 10/40 = 0,25

Ahora estos datos hemos de multiplicarlos por 100 para obtener el coeficiente de variación:
Perros à 0,15 x 100 = 15%

Ratas à 0,25 x 100 = 25%

Así, en la población de perros el coeficiente de variación es de un 15%, mientras que en la

población de ratas el coeficiente de variación es de un 25%. De acuerdo con estos datos, la
población con mayor dispersión es la de ratas, la que tenía una menor desviación típica y la
que, a priori, podría parecer que tendría un coeficiente de variación menor que el de la
población de perros.

Coeficiente de Pearson de asimetría

el coeficiente de correlación de Pearson es una medida de dependencia lineal entre dos
variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson
es independiente de la escala de medida de las variables.

De manera menos formal, podemos definir el coeficiente de correlación de Pearson como

un índice que puede utilizarse para medir el grado de relación de dos variables siempre y
cuando ambas sean cuantitativas y continuas.

Para una población

El coeficiente de correlación de Pearson cuando se aplica a una población típicamente se
representa por la letra griega ρy se refiere a ella coeficiente de correlación poblacional o el
coeficiente de correlación poblacional de Pearson.

Dado un par de variables aleatorias (X,Y), el coeficiente de correlación poblacional de

Pearson (también denotado por ρ XY ) se define como:

Donde:
Para una muestra:

Interpretación
El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo el sentido
de la relación:

Si r=1, existe una correlación positiva perfecta. El índice indica una dependencia total entre
las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también
lo hace en proporción constante.
Si 0<r<1} entonces existe una correlación positiva.
Si r=0 entonces no existe relación lineal pero esto no necesariamente implica que las
variables son independientes: pueden existir todavía relaciones no lineales entre las dos
variables.
Si -1<r<0, existe una correlación negativa.
Si r=-1, existe una correlación negativa perfecta. El índice indica una dependencia total
entre las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra
disminuye en proporción constante.
Cuartil, Decil, Percentil
Definición medidas de posición:
Es encontrar en una serie de datos o en una distribución de frecuencias valores específicos,
además proporcionan información resumida de la variable objeto de estudio.
Nos facilitan información sobre la serie de datos que estamos analizando.

Formulas:
Ejemplo:
• De 20 estudiantes tenemos sus evaluaciones de una
examen calcular el 𝑄1,𝐷5, 𝑃75.
• 5,5,8,7,9,10,7,6,8,7,8,9,10,10,8,7,6,5,9,6
Medidas de curtosis.
La curtosis es una medida estadística que determina el grado de concentración que
presentan los valores de una variable alrededor de la zona central de la distribución de
frecuencias. También es conocida como medida de apuntamiento.

Cuando medimos una variable aleatoria, por lo general, los resultados que tienen una mayor
frecuencia son los que se sitúan en torno a la media de la distribución. Imaginemos la altura
de los alumnos de una clase. Si la altura media de la clase es 1,72 cm, lo más normal es que
las alturas del resto de los alumnos estén en torno a este valor (con cierto grado de
variabilidad, pero sin ser esta demasiado grande). Si esto sucede, se considera que la
distribución de la variable aleatoria se distribuye con normalidad. Pero dada la infinidad de
variables que se pueden medir, esto no siempre sucede así.

Existen algunas variables que presentan un mayor grado de concentración (menor

dispersión) de los valores en torno a su media y otras, por el contrario, presentan un menor
grado de concentración (mayor dispersión) de sus valores en torno a su valor central. Por
tanto, la curtosis nos informa de lo apuntada (mayor concentración) o lo achatada (menor
concentración) que es una distribución.

Tipos de curtosis
Dependiendo del grado de curtosis, tenemos tres tipos de distribuciones:
1. Leptocúrtica: Existe una gran concentración de los valores en torno a su media
(g2>3)

2. Mesocúrtica: Existe una concentración normal de los valores en torno a su media

(g2=3).

3. Platicúrtica: Existe una baja concentración de los valores en torno a su media

(g2<3).
Medidas de curtosis según los datos
Dependiendo de la agrupación o no de los datos, se utiliza una fórmula u otra.

Datos sin agrupar:

Datos agrupados en tablas de frecuencias:

Datos agrupados en intervalos:

Bibliografía
Estrada Rivera, M. R. (2015). Probabilidad y estadistica. Secretaría de Educación Pública. .

Garcia, L. P. (2014). Las medias estadisticas: ejercicios motivadores. Madrid: Universidad

Computense de Madrid.

Lopez, J. F. (7 de Abril de 2020). Obtenido de economedia: https://economipedia.com/

Serra, B. R. (2014). Universo formulas. Obtenido de https://www.universoformulas.com/

Superprof. (2020). https://www.superprof.es/. Obtenido de

https://www.superprof.es/diccionario/matematicas/estadistica/desviacion-media.html