Está en la página 1de 48

ÍNDICE

1. Información de la unidad / Tema de la semana 3

2. Información de los subtemas


4

2.1. La media aritmética datos no agrupados y 4


agrupados

2.2. La mediana para datos no agrupados y agrupados 6

2.3. La moda para datos no agrupados y agrupados 8

2.4. Cuartiles, deciles y percentiles 9

3. Bibliografía 22

2
1. Informacion de la unidad
Tema de la semana:

» Objetivo:
Diferenciar la aplicación de las medidas de tendencia central para datos
agrupados y no agrupados.

» Tema:
Medidas de tendencia central

» Subtemas:
1. La media aritmética datos no agrupados y agrupados.
2. La mediana para datos no agrupados y agrupados.
3. La moda para datos no agrupados y agrupados.
4. Cuartiles, deciles y percentiles.

» Unidad:
Medidas de tendencia central y medidas de dispersión

» Duración de horas semanales:


10 H

3
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

2. Informacion de los subtemas

2.1 La media aritmética datos no agrupados y


agrupados.

Es una medida de tendencia central frecuentemente utilizada cuando hacemos


referencia al promedio de algo en ese caso estamos hablando de media aritmética.

Para datos no agrupados

Para realizar el cálculo de la media aritmética de datos no agrupados realizamos la


suma de todas las observaciones y se las divide para el total de datos analizados.

∑𝑛𝑖=1 𝑥𝑖
𝑥̅ =
𝑛

𝑥̅ = Es la media aritmética

n= cantidad total de datos u observaciones

𝑥𝑖 = Cada uno de los datos u observaciones.

Utilizada para tamaño de muestra pequeños

Para datos agrupados


© Universidad Estatal de Milagro – UNEMI

Para realizar el cálculo de la media aritmética en datos agrupados primero se


procede a calcular el punto medio de clase y los multiplicamos por cada frecuencia
absoluta y procedemos a realizar la suma de todos los resultados y dividimos la
suma para el total de datos analizados.

∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
𝑛

4
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Donde

𝑥𝑖 = es el punto medio de cada clase

𝑓𝑖 = es la frecuencia absoluta de cada clase

m= número total de clases o intervalos

n= es el total de los datos analizados


© Universidad Estatal de Milagro – UNEMI

5
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

2.2 La mediana para datos no agrupados y agrupados

Es otra medida de tendencia central (MTC) pero muy diferente a cualquier MTC,
esta es un único valor del grupo de datos dedicada a medir la observación central
del grupo o conjunto; en una observación se la determina como la que se encuentra
más al centro del conjunto de datos; es decir la mitad de los datos se encuentra por
encima y la otra mitad por debajo. (Stephens, Estadística, 2009)

Para datos no agrupados

Para realizar el cálculo de la mediana en datos no agrupados primero se procede a


organizar los datos de forma ascendente o descendente; si el conjunto de datos
analizados es un número impar la mediana será el dato de en medio del arreglo y si
por el contrario es un número par la mediana será el promedio de los dos elementos
de en medio.

𝑥(𝑛⁄2) + 𝑥(𝑛+1)
2
𝑛 𝑝𝑎𝑟 𝑀𝑒 =
𝑀𝑒 = 2
𝑛+1
{ 𝑛 𝑖𝑚𝑝𝑎𝑟 𝑀𝑒 = 𝑥 (
2
)

Donde

𝑥(𝑛⁄2) = es el valor que se selecciona de los datos ordenados conforme a la ubicación


obtenida de la operación n dividido para 2.

n= es el total de los datos analizados


© Universidad Estatal de Milagro – UNEMI

Para datos agrupados

Frecuentemente no se tiene un acceso a los datos hasta después de haber sido


agrupados, es ahí cuando procedemos a realizar el cálculo para datos agrupados.
(Rubin, 2010)

Para realizar el cálculo de la clase que contiene a la mediana en datos agrupados se


debe comparar el valor de 𝑛⁄2 con cada uno de los elementos de la columna de

6
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Frecuencia acumulada absoluta (F i) y se debe seleccionar aquel elemento que


cumpla o satisfaga que el 𝑛⁄2 este incluido en dicho valor.

𝑛
− ∑ 𝑓𝑐
𝑀𝑒 = 𝐿1 + 2 ∗𝑎
𝑓𝑑

Donde:

𝑳𝟏 = es el mínimo de la clase que contiene a la mediana

𝒏
= es la cantidad de los datos dividida para 2
𝟐

∑ 𝒇𝒄 = es la sumatoria de las frecuencias antes de la clase que contiene a la mediana

𝒇𝒅 = es la frecuencia absoluta de la clase que contiene a la mediana

a= amplitud de cada una de las clases


© Universidad Estatal de Milagro – UNEMI

7
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

2.3 La moda para datos no agrupados y agrupados


Moda

Según Triola (2004) En una distribución se la denominada como el valor de una variable
que se repite con mayor frecuencia. Un conjunto de datos puede tener una moda
(unimodal), dos o más modas (polimodal) o a su vez puede no tener moda (amodal). A
nivel nominal de medición de datos es la única que puede usarse, recordando que el
nivel nominal de medición es aplicable a datos que contengan únicamente nombres,
etiquetas o categorías. La moda se presenta en:

a) Datos no agrupados

Cuando los datos ya han sido ordenados de manera ascendente y descendente se


visualiza los datos repetidos con mayor frecuencia, estos son los que contienen a la
moda (Mo).

b) Datos agrupados

En los datos agrupados la moda (Mo) es la marca de la clase que incluya la mayor
frecuencia absoluta (fi). Y se calcula mediante la fórmula:

Δ1
𝑀𝑜 = 𝐿1 + ∗𝑎
Δ1 + Δ2

Donde:

L1= Es el mínimo que contiene la clase de la moda


© Universidad Estatal de Milagro – UNEMI

Δ1= Es la diferencia entre la frecuencia absoluta de la clase que contiene a la moda con
la anterior.

Δ2= Es la diferencia de la frecuencia absoluta de la clase que contiene a la moda con la


siguiente.

a= Amplitud.

8
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

2.4 La moda para datos no agrupados y agrupados

A los cuartiles, deciles, percentiles y otros valores que se obtienen a partir de la división
del conjunto de datos en partes iguales se les denomina conjunto de cuartiles.

Cuartiles (𝑸𝒌 )

Son medidas estadísticas que se encargan de dividir un conjunto de datos en cuatro


partes iguales.

El valor del 𝑄2 es el valor de la mediana, es decir ambos valores coinciden.

“Existen tres reglas básicas para realizar el cálculo de los cuartiles:

» Regla 1: Si el número resultante es un valor entero, entonces este cuartil será


igual al valor clasificado.
» Regla 2: Si el número resultante es una fracción a mitad (3.5, 4.5.etc), entonces
el cuartil será igual al promedio de los valores clasificados.
» Regla 3: Si el número resultante no ese encuentra entre un valor entero o una
fracción a mitad, se procede a redondear al número más próximo y se elige ese
valor clasificado.” (Stephens, Estadística, 2009)

Se lo realiza mediante la siguiente fórmula:

𝑛
𝑘 ( ) − 𝐹𝑘
𝑄𝑘 = 𝐿𝑘 + 4 ∗𝑎
𝑓𝑘
© Universidad Estatal de Milagro – UNEMI

Donde:

k= para los cuartiles, van a ser los elementos 1, 2, 3

𝑳𝒌 = el mínimo de la clase que contiene el cuartil

𝒏
𝒌 ( )=clase que contiene el cuartil
𝟒

9
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

𝑭𝒌 = representa la sumatoria de las frecuencias absolutas antes de la clase que contiene


el cuartil

𝒇𝒌 = representa a la frecuencia absoluta de la clase que contiene el cuartil

a= amplitud de cada una de las clases

Deciles (𝑫𝒌 )

De manera similar a los cuartiles, pero en este caso los deciles son medidas estadísticas
que dividen a un conjunto de datos en diez partes iguales, a partir de la siguiente
formula:

𝑛
𝑘( ) − 𝐹𝑘
𝐷𝑘 = 𝐿𝑘 + 10 ×𝑎
𝑓𝑘

El valor del 𝐷5 coincide con el valor de la mediana.

Percentiles (𝑷𝒌 )

Son medidas estadísticas que separan un conjunto de datos en cien partes iguales. El
𝑃50 coincide con la mediana y los percentiles 25 y 75 coinciden con el primer y tercer
cuartil. (Johnson, 2012)

𝑛
𝑘( ) − 𝐹𝑘
𝑃𝑘 = 𝐿𝑘 + 100 ∗𝑎
𝑓𝑘
© Universidad Estatal de Milagro – UNEMI

Ejercicios de aplicación

1. Se toma una muestra a 150 estudiantes de la porción de proteínas que consumen


a la semana. Obteniendo los siguientes resultados:

10
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

4,6 21 15 23,8 9,5 2,3 13,5 20,7 5,2 22,9 18.,2 22,4 21,7 7,3 23,4
21,9 10 1,5 14,5 17,3 16,2 5,3 8,2 9,1 4,7 1,6 9,8 5,4 21 17,5
12,7 15 4,7 17,3 2,8 9,7 21 2,6 10,1 5,8 8,9 18,4 11 3,9 19,9
23,7 21 15 6,4 17,7 17,5 2 10,7 14,7 15 19,5 4,9 18,3 21 23,5
11,2 3,1 16 21,1 3,5 17,6 5,5 15,6 6 15 4,2 16,3 22,7 4 24,7
8 15 7,9 8,6 10,5 24,3 8,4 18,5 9,3 19,8 17,1 11,1 24,4 13,3 22,3
22,9 21 1,9 10,8 1,3 6,7 5 16,5 3 4,8 17,1 17,8 21,9 7,8 20,5
24,1 5,3 21 14,9 8,5 15 9 15,3 15 20,2 17 2,7 17,9 21 12,5
1,8 15 15 7,8 24,2 3,4 6,3 19,2 4,5 7,5 23,8 20,3 7 13,8 21,5
14,4 21 21 11,7 9,4 21,9 21,3 15,4 23,2 14,3 7,4 24,7 11,5 14,2 22,9
Fuente: Creación propia

Calcular la media aritmética, mediana y moda para datos no agrupados.

Solución:

Primero ordenamos los datos de forma ascendente o descendente. Es este caso será de
forma ascendente

1,3 1,5 1,6 1,8 1,9 2 2,3 2,6 2,7 2,8 3 3,1 3,4 3,5 3,9
4 4,2 4,5 4,6 4,7 4,7 4,8 4,9 5 5,2 5,3 5,3 5,4 5,5 5,8
6 6,3 6,4 6,7 7 7,3 7,4 7,5 7,8 7,8 7,9 8 8,2 8,4 8,5
8,6 8,9 9 9,1 9,3 9,4 9,5 9,7 9,8 10 10,1 10,5 10,7 10,8 11
11,1 11,2 11,5 11,7 12,5 12,7 13,3 13,5 13,8 14,2 14,3 14,4 14,5 14,7 14,9
15 15 15 15 15 15 15 15 15 15 15,3 15,4 15,6 16 16,2
© Universidad Estatal de Milagro – UNEMI

16,3 16,5 17 17,1 17,1 17,3 17,3 17,5 17,5 17,6 17,7 17,8 17,9 18,2 18,3
18,4 18,5 19,2 19,5 19,8 19,9 20,2 20,3 20,5 20,7 21 21 21 21 21
21 21 21 21 21 21,1 21,3 21,5 21,7 21,9 21,9 21,9 22,3 22,4 22,7
22,9 22,9 22,9 23,2 23,4 23,5 23,7 23,8 23,8 24,1 24,2 24,3 24,4 24,4 24,42

11
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

» Calculo de la media aritmética


Procedemos a sumar todos los datos que ordenamos y lo dividimos para el
número total de datos.

∑𝑛𝑖=1 𝑥𝑖
𝑥̅ =
𝑛

2038.42
𝑥̅ =
150

𝑥̅ = 13,5894

» Calculo de la mediana
Para este ejercicio utilizamos la fórmula de mediana para datos pares debido
a que la cantidad de nuestros datos es 150 un número par. Procedemos a
colocar 150 en “n” obteniendo
𝑥(𝑛⁄2) + 𝑥(𝑛+1)
2
𝑀𝑒 =
2
𝑥(150⁄2) + 𝑥 150
( 2 +1) 𝑥75 + 𝑥76
𝑀𝑒 = =
2 2
Visualizamos en la tabla cual es el valor del dato número 75 y 76; para este
ejercicio es 14,9 y 15, procedemos a sumarlos y dividirlos para 2 obteniendo:
14,9 + 15
𝑀𝑒 =
2
𝑀𝑒 = 14.95
© Universidad Estatal de Milagro – UNEMI

» Calculo de la moda
Cuando los datos ya han sido ordenados, procedemos a visualizar el dato que
se repite con mayor frecuencia.
Para este ejercicio la moda es 15 y 21, debido a que ambos valores se repiten
con una frecuencia igual a 10, por lo tanto, los resultados sería M o1=15 y
Mo2=21.

12
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Con los mismos datos de ejercicio 1 elabore una tabla de frecuencia para datos
agrupados y determine la media aritmética, mediana, moda, P56, D8, Q3, desarrollar
la tabla de datos agrupados con 𝑚 = 1 + 3.3 log(𝑛).

Solución:

Primeros elaboramos y completamos la tabla de frecuencia. Debido a que el ejercicio


nos indica la fórmula a aplicar para el número de clases y obtenemos lo siguiente:
𝑚 = 1 + 3.3 log(𝑛)
𝑚 = 1 + 3.3 log(150)
𝑚=8

Ahora calculamos la amplitud

𝑟𝑎𝑛𝑔𝑜 𝑚𝑎𝑥 − min 24,4 − 1.3


𝑎= = = = 2,88
𝑚 m 8

Completamos las clases, sumándole al mínimo la amplitud (2,88) y así


consecutivamente hasta llegar a la clase 8 con el valor máximo completando los
intervalos. Luego de tener los intervalos visualizamos los datos que nos dieron
anteriormente y completamos la columna de la frecuencia absoluta (f i) con los
valores que se encuentran dentro de cada uno de los intervalos. A continuación,
procedemos a sumar de cada clase los intervalos y dividirlos para dos completando
la columna de la xi

Xi
1,3 + 4,19
© Universidad Estatal de Milagro – UNEMI

= 2.75
2
4,19 + 7,08
= 5,64
2
7,08 + 9,97
= 8,53
2
9,97 + 12,86
= 11,42
2
12,86 + 15,75
= 14,31
2

13
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

15,75 + 18,64
= 17,20
2
18,64 + 21,53
= 20,09
2
21,53 + 24,42
= 22,98
2
Sumatoria 102,92

Luego multiplicamos los fi*xi. y por ultimo para completar la columna de la


frecuencia absoluta acumulada, vamos a sumar cada frecuencia absoluta más la
siguiente.

Procedemos a completar la tabla.

m Clases fi Xi fi*xi Fi
1 [1.3;4.19) 16 2.75 44 16
2 [4.19;7.08) 19 5.64 107.16 35
3 [7.08;9.97) 19 8.53 162.07 54
4 [9.97;12.86) 12 11.42 137.04 66
5 [12.86;15.75) 22 14.31 314.82 88
6 [15.75; 18.64) 19 17.20 326.8 107
7 [18.64; 21.53) 22 20.09 441.98 129
8 [21.53; 24.42] 21 22.98 482.58 150

Ahora procedemos a realizar los cálculos que nos piden en el ejercicio

» Calculo de la media aritmética


© Universidad Estatal de Milagro – UNEMI

∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
𝑛

Procedemos a sumar todos los valores de la columna fi*xi y los dividimos para el
número total de datos analizados (n)

2016,45
𝑥̅ =
150

𝑥̅ = 13.443

14
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

» Calculo de la mediana
𝑛
− ∑ 𝑓𝑐
𝑀𝑒 = 𝐿1 + 2 ∗𝑎
𝑓𝑑

Primero calculamos la clase que contiene a la mediana

𝑛 150
= = 75
2 2

Buscamos en la frecuencia absoluta acumulada (F i) el valor que contenga a 75 esta


será la clase que contiene la mediana en este caso es la clase 5.

Procedemos a buscar L 1 es el mínimo de la clase que contiene a la mediana(5) en


este caso es 12,86. Calculamos la suma de las frecuencia absolutas antes de la clase
que contiene a la mediana, es decir la suma de la clase 1 hasta la clase 4; ∑ 𝑓𝑐 =
16+19+19+12=66 ; para 𝑓𝑑 se escoge el valor de la frecuencia absoluta que contiene
a la mediana para este ejercicio es 22. La amplitud la encontramos anteriormente
siendo 2.89

Colocamos todos los datos en la fórmula y obtenemos la mediana

75 − 66
𝑀𝑒 = 12,86 + ∗ 2,89
22
𝑀𝑒 = 14,04
» Calculo de la moda
Δ1
𝑀𝑜 = 𝐿1 + ∗𝑎
Δ1 + Δ2
© Universidad Estatal de Milagro – UNEMI

La clase que contiene a la moda es el mayor valor de las frecuencias absolutas, este
ejercicio tiene dos modas: en la clase 5 y en la clase 7 debido a que en estas dos clases
el valor de la frecuencia absoluta es 22.

15
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Moda 1 en la clase 5

Procedemos a observar el valor de mínimo de la clase que contiene a la moda (𝐿1 ) en


este caso es 12,86, luego calculamos Δ1 que es la diferencia entre la frecuencia absoluta
que contiene a la moda con la anterior Δ1 = 22 − 12 = 10; para calcular Δ2 calculamos
la diferencia entre la frecuencia absoluta que contiene a la moda con la siguiente Δ2 =
22 − 19 = 3 con resultado de la misma amplitud (a) que calculamos la mediana.
Procedemos a introducir los datos en la fórmula.

10
𝑀𝑜 = 12,86 + ∗ 3,3
10 + 3
𝑀𝑜 = 15,39

Moda 2 en la clase 7

Procedemos a realizar los mismos cálculos de la moda uno obteniendo:

𝐿1 = 18,64

Δ1 = 22 − 19 = 3

Δ2 = 22 − 21 = 1

a = 2,89

Procedemos a introducir los datos en la fórmula

3
𝑀𝑜 = 18,64 + ∗ 2,89
3+1
© Universidad Estatal de Milagro – UNEMI

𝑀𝑜 = 20,81
» Calculamos el 𝑸𝟑
𝑛
𝑘 ( ) − 𝐹𝑘
𝑄𝑘 = 𝐿𝑘 + 4 ×𝑎
𝑓𝑘

16
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Primero calculamos la ubicación del cuartil (Q)

𝑛
Donde k será el cuartil que deseamos buscar y n el total de los datos analizados 𝑘 ( ) =
4
150
3( ) = 112,5.
4

Buscamos la clase que contenga en su frecuencia absoluta acumulada el valor de la


ubicación del cuartil (112,5) para este ejercicio será la clase 7 la que contenga el Q3. 𝐿𝑘

Es mínimo de la clase que contiene al cuartil para este ejercicio es 18,64. Para 𝐹𝑘 es el
valor de la frecuencia absoluta acumulada antes de la clase que contiene al cuartil en
este caso es 107; para 𝑓𝑘 será el valor de la frecuencia absoluta de la clase que contiene
al cuartil para este ejercicio es 22 y la amplitud será la misma que calculamos para la
mediana y moda a=2,89. Procedemos a ingresar los datos en la fórmula:

150
3( ) − 𝐹3
𝑄3 = 𝐿3 + 4 ×𝑎
𝑓3

112.5 − 107
𝑄3 = 18,64 + × 2,89
22
𝑄3 = 19.36

Para calcular el Decil y Percentil se siguen los mismos pasos del cálculo del cuartil con la
diferencial que para la ubicación del decil lo dividimos para 10 y el percentil para 100.
© Universidad Estatal de Milagro – UNEMI

» Calculamos el D8

𝑛 150
𝑘( ) = 8( ) = 120 Ubicación del cuartil 8.
10 10

𝑛
𝑘( ) − 𝐹𝑘
𝐷𝑘 = 𝐿𝑘 + 10 ×𝑎
𝑓𝑘

17
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

120 − 107
𝐷8 = 18,64 + × 2,89
22
𝐷8 = 20.35
» Calculamos el P56
𝑛 150
𝑘( ) = 56 ( ) = 84 Ubicación del percentil 56.
100 100

𝑛
𝑘( ) − 𝐹𝑘
𝑃𝑘 = 𝐿𝑘 + 100 ×𝑎
𝑓𝑘

84 − 66
𝑃56 = 12,86 + × 2,89
22
𝑃56 = 15,22

Procedemos a completar la tabla con los valores encontrados y las clases


correspondiente a le mediana, moda, cuartil 3, decil 8 y percentil 56.

M Clases fi Xi fi*xi Fi
1 [1.3;4.19) 16 2.75 44 16
2 [4.19;7.08) 19 5.64 107.16 35
3 [7.08;9.97) 19 8.53 162.07 54
4 [9.97;12.86) 12 11.42 137.04 66
clase que 5 [12.86;15.75) 22 14.31 314.82 88
contiene a la
mediana,
moda 1 y P56
© Universidad Estatal de Milagro – UNEMI

6 [15.75; 18.64) 19 17.20 326.8 107


Clase que 7 [18.64; 21.53) 22 20.09 441.98 129
contiene la
moda 2, D8 y
Q3
8 [21.53; 24.42] 21 22.98 482.58 150

SUMATORIA 150 2016,45

18
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

1. Se conoce que la media aritmética de una tabla de frecuencia es 25 para 100


datos analizados. Encontrar los valores que faltan en la tabla:

m Clases fi xi fi * xi
1 [2,2 A
2 16
3 21
4 4
5 B
6 62,2] 8
Sumatoria 100

Calculamos la amplitud

𝑟𝑎𝑛𝑔𝑜 𝑀𝑎𝑥 − 𝑀𝑖𝑛 62,2 − 2,2 60


𝑎= = = = = 10
𝑚 𝑚 6 6

Completamos las clases y procedemos a buscar los puntos medios de cada clase (xi).
Sumando los intervalos de cada clase y dividiendo para dos:

Xi
14,4
2,2 + 12,2 = = 7,2
2
34,4
12,2 + 22,2 = = 17,2
2
© Universidad Estatal de Milagro – UNEMI

54,4
22,2 + 32,2 = = 27,2
2
74,2
32,2 + 42,2 = = 37,2
2
94,4
42,2 + 52,2 = = 47,2
2
114,4
52,2 + 62,2 =
2
= 57,2

19
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

Procedemos a multiplicar los valores xi * fi:

x i * fi
𝑎 × 7,2 = 7,2 𝑎
16 × 17,2 = 275,2
21 × 27,2 = 571,2
4 × 37,2 = 148,8
× 47,2 = 47,2 𝑏
8 × 57,2 = 457,6

Nos dicen que la media aritmética es 25.

𝑛 = 100

∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
𝑛
∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
25 =
100
𝑛

∑ 𝑓𝑖 𝑥𝑖 = 25 × 100 = 2500
𝑖=1

Vas a encontrar los valores que faltan por el método de igualación:

Sumamos los valores de x i y lo igualamos al total de datos analizados.

𝑎 + 16 + 21 + 4 + 𝑏 + 8 = 100
© Universidad Estatal de Milagro – UNEMI

49 + 𝑎 + 𝑏 = 100

𝑎 = 100 − 49 − 𝑏

𝑎 = 51 − 𝑏

Ahora sumamos los valores de xi * fi y los igualamos a la sumatoria de los valores xi * fi

20
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

7,2𝑎 + 275,2 + 571,2 + 148,8 + 47,2𝑏 + 457,6 = 2500

7,2𝑎 + 47,2𝑏 + 1452,8 = 2500

Remplazamos el valor de a

7,2(51 − 𝑏) + 47,2𝑏 + 1452,8 = 2500

367,2 − 7,2𝑏 + 47,2𝑏 + 1452,8 = 2500

40𝑏 = 2500 − 1820

680
𝑏= = 17
40

Reemplazamos en a : 𝑎 = 51 − 17 = 34

Colocamos todos los valores en la tabla:

m Clases fi xi fi * xi
1 [2,2 ; 12,2) 34 7,2 244,8
2 [12,2 ; 22,2) 16 17,2 275,2
3 [22,2 ; 32,2) 21 27,2 571,2
4 [32,2 ; 42,2) 4 37,2 148,8
5 [42,2 ; 52,2) 17 47,2 802,4
6 52,2 ; 62,2] 8 57,2 457,6
Totales 100 2500
© Universidad Estatal de Milagro – UNEMI

21
Medidas de tendencia central y medidas de dispersión – Medidas de tendencia central

3. Bibliografía
Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.

Rubin, R. I. (2010). Estadística para administración y economía. México: Pearson Educación.

Stephens, M. R. (2009). Estadística. México: Mc Graw Hill.

Triola, M. F. (2004). Probabilidasd y Estadística. México: Pearson Edacación.


© Universidad Estatal de Milagro – UNEMI

22
ÍNDICE

1. Información de la unidad / Tema de la semana 3

2. Información de los subtemas 4

2.1. Desviación Estándar para datos no agrupados y 4


agrupados

2.2. Varianza para datos no agrupados y agrupados 6

2.3. Coeficiente de variación, Coeficiente de Asimetría y 7


Coeficiente de Apuntamiento

3. Bibliografía 13

2
1. Informacion de la unidad
Tema de la semana:

» Objetivo:
Comprender las medidas de dispersión para su aplicación en ejercicios
mediante el uso de fórmulas pertinentes.

» Tema:
Medidas de dispersión.

» Subtemas:
1. Desviación Estándar para datos no agrupados y agrupados.
2. Varianza para datos no agrupados y agrupados.
3. Coeficiente de variación, Coeficiente de Asimetría y Coeficiente de
Apuntamiento.

» Unidad:
Medidas de tendencia central y medidas de dispersión

» Duración de horas semanales:


10 H

3
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

2. Informacion de los subtemas

2.1 Desviación Estándar para datos no agrupados y


agrupados.

La desviación estándar conocida también como desviación típica es definida como una
medida de dispersión para variables de razón y de intervalo, es de gran utilidad para
distribuir los datos de su media debido a ello se mide en las mismas unidades de la
variable. (Johnson, 2012) Para encontrar la varianza y desviación estándar procedemos
a seguir los siguientes pasos:

1. Calcular la sumatoria de todos los valores (datos no agrupados) o clases (datos


agrupados) y la diferencia entre estos y la media.
2. Elevar al cuadrado el resultado.
3. Dividir el total entre n, para obtener la varianza de la muestra.
4. Extraer la raíz cuadrada de la varianza para obtener la desviación estándar de la
muestra

Para entrar en detalle no es suficiente con conocer las medidas de tendencia central,
sino también las medidas de dispersión como lo es la desviación estándar la cual
representa los datos en su distribución, con el único objetivo de tener una proyección a
la realidad para poder tener una buena descripción e interpretación para la toma de
© Universidad Estatal de Milagro – UNEMI

decisiones (Triola, 2004)

Para datos no agrupados:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎=√
𝑛

4
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

Para datos agrupados:

∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
2
𝜎=√
𝑛

Donde

» 𝑓𝑖 = frecuencia absoluta de cada clase.


» 𝑥𝑖 = puntos medios de cada clase.
» 𝑥̅ = media aritmética de los datos.
» n= número total de datos.
» m= número total de clases.
© Universidad Estatal de Milagro – UNEMI

5
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

2.2 Varianza para datos no agrupados y agrupados.


La varianza es una medida de dispersión donde las mediciones son el resultado de los
cuadrados de las distancias entre cada observación (datos no agrupados) o cada clase
(datos agrupados) y la media respectiva del conjunto de observaciones. Por reglas
aritméticas la varianza y la desviación estándar siempre serán no negativas, aunque si
no existe variación dentro del conjunto de datos y de la misma manera la totalidad de
los valores de la muestra son los mismos, los dos estadísticos serán igual a cero. (Murray
R. Spiegel & Larry J. Stephens, 2009)
Se la obtiene mediante la siguiente formula:

Para datos no agrupados:


∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎2 =
𝑛

Para datos agrupados:

2
∑𝑚
𝑖=1 𝑓𝑖(𝑥𝑖 − 𝑥̅ )
2
𝜎 =
𝑛

La mayoría de las ocasiones, no se tiene la totalidad de las mediciones de una


determinada población disponibles, por ello será de utilidad realizar el cálculo de la
varianza de una muestra de n mediciones.
© Universidad Estatal de Milagro – UNEMI

6
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

2.3 Coeficiente de variación, Coeficiente de asimetría


y Coeficiente de apuntamiento.
Coeficiente de variación

Definida como una medida de dispersión relativa de la variación expresada en su


fórmula como un porcentaje, no tanto en términos de las unidades de los datos sino en
particular; es denotado con la simbología CV y se encarga de medir la dispersión de los
datos con respecto a la media; es adimensional dentro de un conjunto de datos,
presentando un mejor entendimiento porcentual del grado de variabilidad de la
desviación estándar; es recomendable e importante que la totalidad de sus valores sean
positivos, por ende, de acuerdo a esto su media será positiva. (Rubin, 2010) Se la realiza
mediante la fórmula:

𝜎
𝐶𝑉 = ( ) 100%
𝑥̅

Donde:

σ= desviación estándar de la muestra.

𝑥̅ = media de la muestra.

El valor del coeficiente de variación ayuda a comparar la dispersión entre un conjunto


de datos.
© Universidad Estatal de Milagro – UNEMI

Coeficiente de asimetría

El coeficiente de asimetría es el encargado de evaluar la proximidad de los datos de


acuerdo a su media; cuan mayor sea la sumatoria será mayor su asimetría.

∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
3
𝐶𝐴𝐹 =
𝑛𝜎 3

7
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

» “Si el coeficiente de asimetría es menor a cero la distribución tiene una asimetría


negativa y por ello se alarga a valores menores que la media.
» Si el coeficiente de asimetría es igual a cero decimos que la distribución es
asimétrica
» Si el coeficiente de asimetría es mayor a cero la distribución tiene una asimetría
positiva y por ello se alarga a valores mayores que la media.” (Taylor, 2008)

Coeficiente de apuntamiento

El coeficiente de apuntamiento o curtosis es el que indica que tan puntiaguda es una


distribución, frecuentemente tiene relación con la distribución normal. De acuerdo al
pico se las distribuye en:

» “Leptocúrtica: en una distribución tiene el pico relativamente alto.


(apuntamiento positivo; CC>0)
» Placticúrtica: en una distribución tiene el pico relativamente aplastado.
(apuntamiento negativo; CC<0)
» Mesocúrtica: en una distribución no es ni aplastada ni puntiaguda.
(apuntamiento normal; CC=0)” (Taylor, 2008)

Se lo determina mediante la fórmula:

∑𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
© Universidad Estatal de Milagro – UNEMI

𝐶𝐶 =
𝑛𝜎 4

Es adimensional e invariante antes cambios ya sea de escala o de su origen; muy útil


para medir si una determina distribución de frecuencias es muy apuntada o no. (Triola,
2004)

8
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

Ejercicios de aplicación

1. Dada los siguientes datos calcular la desviación estándar y varianza para datos
no agrupados. Sabiendo que su media aritmética es 163,67

147 149 149,5 152 155


155,2 163,4 166,65 168 169
170 171 171,5 179,8 188
Fuente: Creación propia

Resolvemos:

Procedemos a realizar la resta de cada uno de los valores con la media y los elevamos
al cuadrado (𝑥𝑖 − 𝑥̅ )2 ; obteniendo

|𝒙𝒊 − 𝒙
̅| 16,67 14,67 14,17 11,67 8,67 8,47 0,27 2,98
(𝒙𝒊 277,88 215,20 200,78 136,15 75,16 71,74 0,07 8,88
−𝒙 ̅)𝟐
Fuente: Creación propia

|𝒙𝒊 − 𝒙
̅| 4,33 5,33 6,33 7,33 7,83 16,13 24,33
(𝒙𝒊 18,74 28,40 40,06 53,72 61,30 260,1 591,9
−𝒙 ̅)𝟐 7 4
Fuente: Creación propia

» Calculamos la varianza
Sumamos todos los valores de (𝑥𝑖 − 𝑥̅ )2 y los dividimos para la cantidad de
datos

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
© Universidad Estatal de Milagro – UNEMI

2
𝜎 =
𝑛
2040,19
𝜎2 =
15
𝜎 2 = 136,01

9
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

» Calculamos la desviación estándar


Le sacamos la raíz cuadrada a la varianza.

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎=√
𝑛

2040,19
𝜎=√ = √163,01
15

𝜎 = 11,66

2. Se conoce que la media aritmética de una tabla de frecuencia es 163,67. Para 15


datos analizados. Dada la tabla: calcular la varianza, la desviación estándar, el
coeficiente de variación, asimetría y apuntamiento:

M Clases 𝒇𝒊 𝒙𝒊
1 [147 ; 155,2) 5 151,1

2 [155,2 ; 1 159,3
163,4)
3 [163,4 ; 7 167,5
171,6)
4 [171,6 ; 0 175,7
179,8)
5 [179,8 ; 188] 2 183.9

Sumatoria 15
Fuente: creación propia
© Universidad Estatal de Milagro – UNEMI

Para el cálculo de la varianza y desviación estándar restamos los puntos medios de cada
clase con la media dada (163,67), los elevamos al cuadrado y los multiplicamos por su
frecuencia absoluta respectiva. 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2

Realizamos el mismo cálculo para el coeficiente de asimetría con la diferencia que


elevemos al cubo el resultado de la multiplicación de la frecuencia absoluta con la resta
de los puntos medios de cada clase y su media. 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )3

Al final calculamos el coeficiente de apuntamiento, pero en este caso elevemos a la


cuarta la resta de los puntos medios de cada clase y su media. 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4

10
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

Hacemos la sumatoria de todos los valores y completamos la tabla y calculamos los


ítems del enunciado.

m clases 𝒇𝒊 𝒙𝒊 |𝒙𝒊 ̅)𝟐


𝒇𝒊 (𝒙𝒊 − 𝒙 ̅)𝟑
𝒇𝒊 (𝒙𝒊 − 𝒙 ̅)𝟒
𝒇𝒊 (𝒙𝒊 − 𝒙
−𝒙 ̅|
1 [147 ; 155,2) 5 151,1 12,57 790,02 9930,60 124827,74

2 [155,2 ; 1 159,3 4,37 19,09 83,45 364,69


163,4)
3 [163,4 ; 7 167,5 3,83 102,68 393,27 1506,23
171,6)
4 [171,6 ; 0 175,7 12,03 0 0 0
179,8)
5 [179,8 ; 188] 2 183.9 20,23 818,50 16558,37 334975,87

sumatori 15 1730,29 26965,69 461674,53


a
Fuente: creación propia.

» Calculo de la varianza

Restamos los puntos medios de cada clase y los elevamos al cuadrado.

2
∑𝑚
𝑖=1 𝑓𝑖(𝑥𝑖 − 𝑥̅ )
2
𝜎 =
𝑛

1730,29
𝜎2 =
15

𝜎 2 = 115,35

» Calculo de la desviación estándar


© Universidad Estatal de Milagro – UNEMI

Le sacamos la raíz cuadrada a la varianza

∑𝑚
𝑖=1 𝑓𝑖(𝑥𝑖 − 𝑥̅ )
2
𝜎=√
𝑛

𝜎 = √115,35

𝜎 = 10,74

11
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

» Calculamos el coeficiente de variación


𝜎
𝐶𝑉 = ( ) 100%
𝑥̅

10,74
𝐶𝑉 = ( ) 100%
̅̅̅̅̅̅̅̅̅̅
163,67}

𝐶𝑉 = 6.56 %

» Calculamos el coeficiente de asimetría


∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
3
𝐶𝐴𝐹 =
𝑛𝜎 3

26965,69
𝐶𝐴𝐹 =
15(10,74)3

𝐶𝐴𝐹 = 1,45

» Calculamos el coeficiente de apuntamiento


∑𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
𝐶𝐶 =
𝑛𝜎 4
461674,53
𝐶𝐶 =
15(10,74)4

𝐶𝐶 = 2,3
© Universidad Estatal de Milagro – UNEMI

12
Medidas de tendencia central y medidas de dispersión – Medidas de Dispersión

3. Bibliografía
Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson
Educación.

Murray R. Spiegel & Larry J. Stephens. (2009). México: Mc Graw Hill.

Rubin, R. I. (2010). Estadística para administración y economía. México: Pearson


Educación.

Taylor, R. A. (2008). Bioestadística. México: PEARSON.

Triola, M. F. (2004). Probabilidad y estadística. México: Pearson Educación.


© Universidad Estatal de Milagro – UNEMI

13
ÍNDICE

1. Información de la unidad / Tema de la semana 3

2. Información de los subtemas 4

2.1. Coeficiente de Variación 4

2.2. Coeficiente de Asimetría 6

2.3. Coeficiente de Curtosis o Apuntamiento 8

3. Bibliografía 13

2
1. Informacion de la unidad
Tema de la semana:

» Objetivo:
Cuantificar la dispersión, variabilidad, asimetría de los valores de la distribución
respecto al valor central.

» Tema:
Medidas de dispersión.

» Subtemas:
1. Coeficiente de variación.
2. Coeficiente de Asimetría.
3. Coeficiente de Custosis o Apuntamiento.

» Unidad:
Medidas de tendencia central y medidas de dispersión.

» Duración de horas semanales:


10 H

3
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

2. Informacion de los subtemas

2.1 Coeficiente de Variación

Se conoce que, si se tiene dos distribuciones con las mismas unidades, la dispersión de
estas las podemos calcular mediante la desviación estándar, pero de manera que su
media aritmética sea igual o muy próxima; caso contrario se procede a hacer uso del
coeficiente de variación y cuanto menor sea este menor será la dispersión y por ende
será mayor su representación con respecto a la media aritmética.

Es definida como una medida de dispersión relativa de la variación expresada en su


fórmula como un porcentaje, no tanto en términos de las unidades de los datos sino en
particular; es denotado con la simbología CV y se encarga de medir la dispersión de los
datos con respecto a la media; es adimensional dentro de un conjunto de datos,
presentando un mejor entendimiento porcentual del grado de variabilidad de la
desviación estándar; es recomendable e importante que la totalidad de sus valores sean
positivos, por ende, de acuerdo a esto su media será positiva. (Rubin, 2010).

El coeficiente de variación es el cociente entre la desviación estándar y la media, siendo


esta su fórmula:

𝜎
© Universidad Estatal de Milagro – UNEMI

𝐶𝑉 = ( ) 100%
𝑥̅

Donde:

σ= desviación estándar de la muestra.

𝑥̅ = media de la muestra.

4
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

En la práctica, el coeficiente de variación podría tomar cualquier valor que esté por
encima de cero, es normalmente habitual que dicho valor no pase de 100 debido a que
los valores que estén por encima dejarían al manifiesto una alta dispersión en los datos;
si esto sucede se aconseja analizar las fuentes de variabilidad de todos los datos, debido
a que puede existir algún tipo de error o sesgo en la respectiva recogida de los datos la
cual diera lugar a esa dispersión tan elevada. (Murray R. Spiegel & Larry J. Stephens,
2009)

El coeficiente de variación es considerado como uno de los más significativos debido a


que logra determinar el grado de significación de un conjunto de datos con relación a su
media aritmética.

El valor del coeficiente de variación ayuda a comparar la dispersión entre un conjunto


de datos.
© Universidad Estatal de Milagro – UNEMI

5
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

2.2 Coeficiente de Asimetría

El coeficiente de asimetría es una medida de dispersión, el cual permite determinar sin


necesidad de utilizar representaciones gráficas, el grado de simetría que muestran los
datos respecto a le media aritmética. De tal manera, esta media está encargada de
reflejar dos importantes aspectos:

» La distancia de cada una de las observaciones con respecto a la media, es decir


la diferencia entre cada y la media aritmética. (𝑥𝑖 − 𝑥̅ )
» La frecuencia de cada una de estas distancias.

Por otra parte, como lo que realmente nos interesa conocer es el signo de dichas
desviaciones, no podemos hacer uso del cuadrado de las desviaciones; entonces por ello
procedemos a realizar una toma de potencia de grado tres de las desviaciones y
procedemos a realizar los cálculos correspondientes.

El coeficiente de asimetría se encarga de evaluar la proximidad de los datos de acuerdo


a su media; cuan mayor sea la sumatoria será mayor su asimetría.

∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
3
𝐶𝐴𝐹 =
𝑛𝜎 3

Donde:
© Universidad Estatal de Milagro – UNEMI

(𝑥𝑖 − 𝑥̅ )3 = Es la diferencia de cada una de las clases con respecto a la media y


posteriormente elevadas a la potencia de grado tres.

𝜎 3 = desviación estándar elevada a la potencia de grado tres.

6
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

La determinación del coeficiente de asimetría se da:

» “Si el coeficiente de asimetría es menor a cero la distribución tiene una asimetría


negativa y por ello se alarga a valores menores que la media.
» Si el coeficiente de asimetría es igual a cero decimos que la distribución es
asimétrica
» Si el coeficiente de asimetría es mayor a cero la distribución tiene una asimetría
positiva y por ello se alarga a valores mayores que la media.” (Taylor, 2008)

Diremos que una distribución es completamente simétrica cuando los valores de su


media, mediana y moda coincidan.
© Universidad Estatal de Milagro – UNEMI

7
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

2.3 Coeficiente de Curtosis o Apuntamiento

Para proceder a estudiar el cálculo del grado de curtosis dentro de una distribución se
debe tomar un modelo teórico como punto de referencia, puede realizarse mediante la
representación gráfica la cual debe tener forma de campana simétrica. (Murray R.
Spiegel & Larry J. Stephens, 2009)

El coeficiente de apuntamiento o curtosis es el que indica que tan puntiaguda es una


distribución, frecuentemente tiene relación con la distribución normal. De acuerdo al
pico se las distribuye en:

» “Leptocúrtica: en una distribución tiene el pico relativamente alto.


(apuntamiento positivo; CC>0)
» Placticúrtica: en una distribución tiene el pico relativamente aplastado.
(apuntamiento negativo; CC<0)
» Mesocúrtica: en una distribución no es ni aplastada ni puntiaguda.
(apuntamiento normal; CC=0)” (Taylor, 2008)

De la misma manera que en el caso de estudio de la asimetría, hay un determinado


coeficiente que se encarga de permitir la clasificación de los datos según la curtosis. Es
importante recalcar que este coeficiente no es tan intuitivo, debido a esto se dará solo
la definición e interpretación. También como en el caso del otro coeficiente, este
indicador tampoco tiene dimensión. (Triola, 2004)

Se lo determina mediante la fórmula:


© Universidad Estatal de Milagro – UNEMI

∑𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
𝐶𝐶 =
𝑛𝜎 4
Donde:

(𝑥𝑖 − 𝑥̅ )4 = Es la diferencia de cada una de las clases con respecto a la media y


posteriormente elevadas a la potencia de grado cuatro.

𝜎 4 = desviación estándar elevada a la potencia de grado cuatro.

8
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

Es adimensional e invariante antes cambios ya sea de escala o de s origen; muy útil para
medir si una determina distribución de frecuencias es muy apuntada o no.

Ejercicios de aplicación

1. Se conoce que la media aritmética de una tabla de frecuencia es 154, 66. Dada
la tabla: la varianza es 163,01. Calcular el coeficiente de variación, asimetría y
apuntamiento para 15 datos proporcionan la siguiente información:

[108; 125,4) 2
[125,4; 142,8) 2
[142,8; 160,2) 5
[160,2,8; 177,6) 3
[177,6; 195) 3

Solución
Con los datos que nos dan se puede proceder a calcular cada uno de los
coeficientes.
Datos:
𝑥̅ = 154,66
𝜎 2 = 173
Debido a que para calcular los coeficientes se necesitan la desviación estándar
procedemos a calcularla. Para calcular la desviación estándar le extraemos la raíz
cuadrada a la varianza:
√𝜎 2 = √173
𝜎 = 13,15

» Calculamos el coeficiente de variación


𝜎
𝐶𝑉 = ( ) 100%
𝑥̅
© Universidad Estatal de Milagro – UNEMI

13,15
𝐶𝑉 = ( ) 100%
154,66

𝐶𝑉 = 8.50 %

Para calcular el coeficiente de asimetría y apuntamiento procedemos a realizar


la diferencia entre cada uno de los valores y la media; luego elevaremos a la
potencia tres y cuatro respectivamente para finalmente multiplicarlas por la
frecuencia absoluta (fi) obteniendo:

9
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

|𝑥𝑖 − 𝑥̅ | (𝑥𝑖 − 𝑥̅ )3 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )3 (𝑥𝑖 − 𝑥̅ )4 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4


37,96 54698,9023 109397,80 2076370,33 4152740,67
20,56 8690,99 17391,9832 178686,788 357373,575
3,16 31,55 157,7724 99,7122 498,56
14,24 2887,55 8662,6590 41118,75 123356,265
31,64 31674,47 95023,42 1002180,39 3006541,16

» Calculamos el coeficiente de asimetría


Realizamos la sumatoria de todos los valores de 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )3 , elevamos a la
potencia tres la desviación estándar y procedemos a ingresar los datos en la
fórmula:
∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
3
𝐶𝐴𝐹 =
𝑛𝜎 3

230623,644
𝐶𝐴𝐹 =
15(13,15)3

𝐶𝐴𝐹 = 6,76

» Calculamos el coeficiente de apuntamiento


Realizamos la sumatoria de todos los valores de 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4 , elevamos a la
potencia cuatro la desviación estándar y procedemos a ingresar los datos en la
fórmula:
© Universidad Estatal de Milagro – UNEMI

∑𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
𝐶𝐶 =
𝑛𝜎 4
29902,191
𝐶𝐶 =
15(13,15)4

𝐶𝐶 = 17,03

10
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

2. Se conoce que la media aritmética de una tabla de frecuencia es 163,67 y la


desviación estándar 10,74. Para 20 datos analizados.

m Clases 𝒇𝒊 𝒙𝒊
1 [147 ; 155,2) 5 151,1

2 [155,2 ; 163,4) 1 159,3


3 [163,4 ; 171,6) 7 167,5
4 [171,6 ; 179,8) 5 175,7
5 [179,8 ; 188] 2 183.9

Sumatoria 20

» Calculamos el coeficiente de variación


𝜎
𝐶𝑉 = ( ) 100%
𝑥̅

10,74
𝐶𝑉 = ( ) 100%
̅̅̅̅̅̅̅̅̅
163,67

𝐶𝑉 = 6.56 %

» Calculamos el coeficiente de asimetría


Procedemos a restar cada una de los datos con la media, luego elevemos a la
potencia tres y hacemos la suma de todos los resultados.

|𝒙𝒊 − 𝒙̅| 12,574 4,37 3,826 12,03 20.27


(𝒙𝒊 9940,09 83,68 392,04 8696,28 16548,55
−𝒙 ̅ )𝟑
© Universidad Estatal de Milagro – UNEMI

∑𝑚
𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )
3
𝐶𝐴𝐹 =
𝑛𝜎 3

35660,64
𝐶𝐴𝐹 =
20(10,74)3

𝐶𝐴𝐹 = 0,13

11
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

» Calculamos el coeficiente de apuntamiento


Procedemos a restar cada una de los datos con la media, luego elevemos a la
potencia cuatro y hacemos la suma de todos los resultados.

|𝒙𝒊 − 𝒙
̅| 12,574 4,37 3,826 12,03 20,27
(𝒙𝒊 124986,708 366,023 1499,95 104581,48 3334711,02
−𝒙 ̅)𝟒

∑𝑛𝑖=1 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )4
𝐶𝐶 =
𝑛𝜎 4
566145,192
𝐶𝐶 =
20(10,74)4

𝐶𝐶 = 2,12

3. Una cadena de televisión presenta un nivel medio de audiencia de 1450


espectadores en programación de la mañana. Si en el conjunto de programas de
la cadena de televisión la media y la varianza de la audiencia en la franja horaria
anterior son, respectivamente, 1850 y 160000. Determine la dispersión de sus
datos mediante el coeficiente de variación

√𝜎 2 = √160000

𝜎 = 400
𝜎
𝐶𝑉 = ( ) 100%
𝑥̅
© Universidad Estatal de Milagro – UNEMI

400
𝐶𝑉 = ( ) 100%
1850

𝐶𝑉 = 21,62%

12
Medidas de tendencia central y medidas de dispersión – Medidas de dispersión

3. Bibliografía

Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.

Murray R. Spiegel & Larry J. Stephens. (2009). México: Mc Graw Hill.

Rubin, R. I. (2010). Estadística para administración y economía. México: Pearson Educación.

Taylor, R. A. (2008). Bioestadística. México: PEARSON.

Triola, M. F. (2004). Probabilidad y estadística. México: Pearson Educación.


© Universidad Estatal de Milagro – UNEMI

13

También podría gustarte