UNIVERSIDAD SAN CARLOS DE GUATEMALA

CENTRO UNIVERSITARIO DE SAN MARCOS

CONTADURÍA PÚBLICA Y AUDITORÍA
LIC. MANUEL GUSTAVO IXCOTT MONTERROSA
ESTADÍSTICA

TEMA:
INVESTIGACIÓN BIBLIOGRÁFICA DE LA SEGUNDA UNIDAD

Nombre: Angélica Leticia García de León Carné: 201843510

“ID Y ENSEÑAD A TODOS”

 UNIDAD II VALORES CARACTERÍSTICOS DE UNA VARIABLE CUANTITATIVA
(Medidas estadísticas)

Las variables cuantitativas son aquellas variables estadísticas que otorgan, como
resultado, un valor numérico.

Por ejemplo, variables tales como el peso (62 kg, 80 kg), la altura (1,72 cm, 1,85 cm)
o la cantidad de miembros en una familia (2, 3 ó 4), son variables cuantitativas.

CARACTERÍSTICAS
Las principales características de las variables cuantitativas son las siguientes:

● Expresan sus valores con números.

● Son utilizadas generalmente en encuestas o entrevistas.
● Utilizan gráficos llamados diagramas integrales y diagramas
diferenciales para mostrar la frecuencia relativa de las variables.
● También pueden servirse de diagramas de barra para otorgar cifras.

DE TENDENCIA CENTRAL: PARA DATOS SIMPLES Y AGRUPADOS

Son medidas estadísticas que se usan para describir cómo se puede resumir la localización de los
datos. Ubican e identifican el punto alrededor del cual se centran los datos. Las más utilizadas son: la
media, la mediana y la moda.

MEDIA
Si en una tabla de distribución de frecuencia, con clases, los puntos medios son: y
las respectivas frecuencias son , la media aritmética se calcula de la siguiente manera:

Donde el número total de observaciones es

MEDIANA
Cuando los datos se encuentran agrupados en una distribución de frecuencia no se conocen los datos
originales, por lo tanto, es necesario estimar la mediana mediante los siguientes pasos:

1. Calcular el valor
2. Localizar el intervalo de clase donde se encuentra la mediana (intervalo mediano). Esto se hace

encontrando el primer intervalo de clase donde la frecuencia acumulada es igual o mayor que
3. Aplicando la siguiente fórmula con los valores del intervalo mediano:

donde:
= Límite inferior de la clase de donde se encuentra la mediana

= Total de frecuencias
= Frecuencia acumulada anterior a la clase mediana
= Frecuencia del intervalo mediano
= amplitud del intervalo de clase

MODA
Es el valor que representa la mayor frecuencia absoluta. En tablas de frecuencias con datos agrupados,
se habla de intervalo modal.
Si todos los intervalos tienen la misma amplitud, la moda se calcula por medio de:

donde:
= Extremo inferior del intervalo modal (intervalo que tiene mayor frecuencia absoluta).
= Frecuencia absoluta del intervalo modal.
= Frecuencia absoluta del intervalo anterior al modal.
= Frecuencia absoluta del intervalo posterior al modal.
= Amplitud de los intervalos.

OTROS TIPOS DE PROMEDIOS

Media Geométrica

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.

Medida de Porcentaje
Es posible promediar porcentajes. Sí, es posible, pero bajo ciertas condiciones:

1. Si por ejemplo, tienes 3 estudiantes que en una misma prueba de 25

preguntas, aplicada a todos ellos, obtienen el 40%, el 50% y el 10% de
logro, entonces puedes promediar normalmente como (40+50+10)/3 =
33.3% que significa que en promedio, los estudiantes respondieron un
33.3% de la prueba u 8 preguntas.
2. La cosa cambia si los tres han respondido pruebas con distinto número
de ítems, en cuyo caso el cálculo sería distinto, pues tendríamos que
considerar ponderar los porcentajes por el total de preguntas de cada
prueba. Supongamos que la prueba que responde el estudiante 1 tiene
15 preguntas, la prueba del estudiante 2 tiene 50 preguntas y la del
estudiante 3 tiene 25 preguntas, entonces el cálculo es como sigue:

(0.4*15 + 0.5*50 + 0.1*25) / (15 + 50 + 25) = 0.37

o bien, los estudiantes responden correctamente un 37% de las pruebas. Por

supuesto, el número de preguntas correctas para cada prueba diferirá según su total
correspondiente.
Entonces, es importante considerar la ponderación en el proceso de cálculo siempre
que los totales sobre los que se calculen los porcentajes difieran.

Media armonizada

La media armonizada de un conjunto de valores es igual a la inversa de la media

aritmética. Su fórmula queda tal que:

Es recomendada para calcular velocidades. Es especialmente sensible a valores

extremos pequeños, pero poco sensible a valores extremos grandes. En economía

se usa para calcular uno de los índices más famosos y utilizados en estadística

económica, el índice de Pasche.

Supongamos que tenemos una empresa con reparto a domicilio en moto. Nos

realizan un encargo a 4 kilómetros. El primer kilómetro el repartidor va a una

velocidad de 30 km/h, el segundo kilómetro a 25 km/h, el tercer kilómetro se

encuentra con tráfico y reduce la velocidad a 15 km/h y el último tramo a 35 km/h.

Media ponderada

En algunas series estadísticas, no todos los valores tienen la misma importancia.

Entonces, para calcular la media se ponderan dichos valores según su peso, con

lo que se obtiene una media ponderada.

Si se tiene una variable con valores x1, x2, ..., xn, a los que se asigna un peso

mediante valores numéricos p1, p2, ..., pn, la media ponderada se calculará como

sigue:
MEDIDAS DE POSICIÓN

Las medidas de posición, por tanto, sirven para medir y para dividir.

De esta forma, resumirá los diferentes valores en uno que, en este caso, sea
representativo. Por ejemplo, un promedio. Mientras los otros dividirán el conjunto de
los datos en partes iguales, más sencillas de interpretar; estaríamos hablando de los
cuantiles.

Medidas de posición no central

Las medidas de posición se suelen dividir en dos grandes grupos: la de tendencia no

central y las centrales. Las medidas de posición no centrales son los cuantiles. Estos
realizan una serie de divisiones iguales en la distribución ordenada de los datos. De
esta forma, reflejan los valores superiores, medios e inferiores.

Los más habituales son:

❖ El decil: Estamos ante un cuantil que divide los datos en diez partes iguales.
Existen nueve deciles, de D1 a D9. El D5 se corresponde con la mediana.
Por su lado, los valores superiores e inferiores (equivalentes a los diferentes
cuartiles) se sitúan en puntos intermedios entre estos.
❖ El percentil: Por último, este cuantil divide la distribución en cien partes. Hay
99 percentiles. Tiene, a su vez, una equivalencia con los deciles y cuartiles.
❖ El cuartil: Es uno de los más utilizados y divide la distribución en cuatro
partes iguales. Así, existen tres cuartiles. Los valores inferiores de la
distribución se sitúan por debajo del primero (Q1). La mitad o mediana son
los valores menores iguales al cuartil dos (Q2) y los superiores son
representados por el cuartil tres (Q3).
MEDIDAS DE DISPERSIÓN
En otras palabras, las medidas de dispersión son números que indican si una variable
se mueve mucho, poco, más o menos que otra. La razón de ser de este tipo de
medidas es conocer de manera resumida una característica de la variable estudiada.
En este sentido, deben acompañar a las medidas de tendencia central. Juntas,
ofrecen información de un sólo vistazo que luego podremos utilizar para comparar y,
si fuera preciso, tomar decisiones.

Principales medidas de dispersión

Las medidas de dispersión más conocidas son: el rango, la varianza, la desviación
típica y el coeficiente de variación (no confundir con coeficiente de determinación). A
continuación veremos estas cuatro medidas.

Desviación media
La desviación media de un conjunto de datos, es la media aritmética de los valores
absolutos de lo que se desvía cada valor respecto a la media aritmética.

La fórmula de la desviación media es la siguiente:

Donde:
x̄: media aritmética de los datos.
x1, x2, x3, …, xn: datos.
xi: cada uno de los datos.
n: número de datos.

Desviación típica
La desviación típica es otra medida que ofrece información de la dispersión respecto
a la media. Su cálculo es exactamente el mismo que la varianza, pero realizando la
raíz cuadrada de su resultado. Es decir, la desviación típica es la raíz cuadrada de la
varianza.

X → Variable sobre la que se pretenden calcular la varianza

xi → Observación número i de la variable X. Si puede tomará valores entre 1 y n.

N → Número de observaciones.

x̄ → Es la media de la variable X.

Varianza
La varianza es una medida de dispersión que representa la variabilidad de una serie
de datos respecto a su media. Formalmente se calcula como la suma de los residuos
al cuadrado divididos entre el total de observaciones. Su fórmula es la siguiente:

X → Variable sobre la que se pretenden calcular la varianza

xi → Observación número i de la variable X. Si puede tomará valores entre 1 y

n.

N → Número de observaciones.

x̄ → Es la media de la variable X.

Coeficiente de Asimetría o Sesgo

Con frecuencia una distribución no es simétrica alrededor de ningún valor, pero en
lugar de ello se tiene que los datos están más aglomerados o distribuidos hacia los
extremos. Si hay pocos datos distribuidos hacia el extremo derecho se dice que la
distribución es sesgada a la derecha, mientras que si hay pocos datos distribuidos
hacia la izquierda , se dice que la distribución es sesgada hacia la izquierda. Las
medidas que describen esta asimetría se denominan coeficiente de sesgo, o
simplemente sesgo. Una de dichas medidas es

donde:

es un valor de la variable de estudio

Es el valor de la media poblacional de la variable de estudio.

es el total de datos en la población.

Kurtosis

Indica que tan apuntada o achatada se encuentra una distribución respecto a un

comportamiento normal (distribución normal).

Si los datos están muy concentrados hacia la media, la distribución es leptocúrtica

(curtosis mayor a 0). Si los datos están muy dispersos, la distribución es leptocúrtica
(curtosis menor a 0). El comportamiento normal exige que la curtosis sea igual a 0
(distribución mesocúrtica).
CÁLCULO DE LA CURTOSIS: La fórmula empleada para calcular la Curtosis se
muestra a continuación (reemplace el valor de n por N en caso de tratar con datos
poblacionales):