UNIVERSIDAD PRIVADA ANTENOR

ORREGO

FACULTAD DE INGENIERÍA
CARRERA PROFESIONAL DE INGENIERÍA
EN COMPUTACIÓN Y SISTEMAS

ESTADÍSTICA Y PROBABILIDAD

MEDIDAS ESTADÍSTICAS DE
TENDENCIA CENTRAL DE POSICIÓN Y
DE DISPERSIÓN

JOSE ANTONIO CASTAÑEDA VERGARA

Ms. En Ciencias mención de Estadística
Doctorado en Educación

TRUJILLO-OCTUBRE-2020
PRINCIPALES ESTADIGRAFOS O MEDIDAS ESTADISTICAS

I. MEDIDAS DE DISPERSIÓN

Son medidas que nos dicen que tan dispersos se encuentran los datos con
respecto a su media.
Símbolos comunes en su uso son:

S2 : Varianza Muestral

2:Varianza poblacional (parámetro)

1. VARIANZA (VARIANCIA) S2

La varianza o variancia es el promedio de las desviaciones al cuadrado entre los

datos y su media aritmética

(  xi ) 2
 xi2 
( xi  x )
2
n
S2  
n 1 n 1

donde:
xi: es el i-ésimo dato
: es la media aritmética para datos no agrupados
n: es el número de datos

La primera fórmula es la definición de varianza y la segunda

fórmula(mayormente usada) es resultado de desarrollar el binomio al cuadrado
de la primera fórmula y aplicarle las propiedades de la sumatoria.

Ejemplo 01
Calcula la varianza para el siguiente conjunto de datos.
5 9 12 7 15 3
Solución
Aplicando la definición (primera fórmula).

Primero hay que calcular la media

= (5+9+12+7+15+3)/6 = 51/6 = 8.5,

S2 = [(5-8.5)2+(9-8.5)2+(12-8.5)2+(7-8.5)2+(15-8.5)2+(3-8.5)2]/5 = 99.5/5 = 19.9

La varianza para este conjunto de datos es 19.9.

2
Usando la segunda fórmula

n=6

x = 5+9+12+7+15+3 = 51

x2 = 52+92+122+72+152+32 = 533

S2 = [533-(51)2/6]/5 = 99.5/5 = 19.9 que es el mismo resultado que obtuvimos

con la definición anterior.

2. DESVIACIÓN ESTÁNDAR (S)

Es la raíz cuadrada positiva de la varianza

(  xi ) 2
x 
2
i
S n
n 1

Ejemplo 02
Calcula la desviación estándar para el siguiente conjunto de datos.
5 9 12 7 15 3
Solución
Con el cálculo de la varianza previo S2 = 19.9

S  19.9  4.46 desviación estándar

NOTA:
1. La varianza expresa a la unidad de medida elevada al cuadrado
mientras que la desviación estándar lo expresa en su unidad
original
Ejemplo
Si se ha calculado la varianza de Peso en Kg.

Tenemos que S2 = 49.0 kg2

Por lo tanto S = 7.0 kg la desviación estándar

2. La varianza y desviación estándar cumplen una función mas

importante cuando se quiere comparar la variabilidad o
dispersión de dos o mas conjunto de datos.

3
 Ejemplo 03:
Determinar la distribución de notas en estadística mas variable de estos dos
grupos de estudiantes:

X : 08 12 18 06 14 13

Y : 10 16 15 12 12 14

Los resultados fueron:

S x2  18.57 puntos2 Sx= 4.31 puntos

S y2  4.96 Sy= 2.23

Por lo tanto las notas del Grupo X es mas variable.

3. COEFICIENTE DE VARIACIÓN.(CV%)

A menudo nos interesamos por comparar la variabilidad de dos o más conjuntos

de datos; esto se resuelve determinando las respectivas varianzas o desviaciones
estándar, siempre y cuando las variables presenten la misma unidad de medida y
además sus MEDIAS sean relativamente cercanas. Cuando faltan estas
condiciones la medida que se utiliza para comparar la variabilidad de dos o más
conjuntos de datos se conoce como COEFICIENTE DE VARIACION ; que es
una medida relativa de variabilidad, y se define por la siguiente expresión:

S
CV %  x1000
x

EJEMPLO 1: Se tiene las siguientes poblaciones:

P1 : Población de elefantes P2 : Población de ratones

x1  24000 Lb X 2  1.05 Lb

S1 = 1285 Lb S2=0.16 Lb

¿Cuál es la población más variable?

++ Si se toman las desviación estándar para su comparación entonces se concluye
que la población de elefantes es más variable por ser S1 > S2
++ En este caso se puede observar que la unidad de medida es la misma, pero sus
promedios o medias no son relativamente cercanas.

Ahora utilizaremos el Coeficiente de Variación.

CV1 % = 1285 x 100 CV2 % = 0.16 x100
24000 1.05

CV1 % = 5.354 % CV2 % = 15.238 %

4
CONCLUSION : La población de ratones es más variable porque tiene mayor
porcentaje de variabilidad.

II. MEDIDAS DE ASIMETRÍA Y ELEVACIÓN

EL SESGO (As): es una medida estadística de simetría o asimetría de

una distribución de datos.

Por lo general una distribución de datos puede tener las siguientes formas
de simetría o asimetría.

FÓRMULA: tres veces la diferencia del promedio con la mediana, dividido entre la
desviación estándar

-1 <As < +1

- Si As = 0 la distribución es simétrica o normal (figura 1)

- Si As > 0, la distribución es asimétrica positiva (figura 2)
- Si As < 0 la distribución es asimétrica negativa (figura 3)

- Si - 0.1 < As < 0.1 La distribución es aproximadamente simétrica.

LA KURTÓSIS (A4): Mide el grado de apuntamiento o elevación de

una curva.

5
 Por lo general una distribución de datos puede tener las siguientes formas
apuntamiento o elevación:

A4 > 3 A4=3 (es la normal) A4 < 3

FÓRMULA: El momento de orden 4, dividido entre la varianza elevada al cuadrado.

(S2)2 = S4

Momento de orden 4:

EJEMPLO :
Determine e interprete el sesgo y la Kurtósis para los siguientes datos.

Xi : edad de los alumnos de Sistemas de la UPAO.

X i : 18 24 19 20 19 18 19 22 19 18 17 16 16 20 19 n=15

CV%
As =
A4 =