Media aritmética:

La medida de localización más importante es la media o valor promedio de

una variable. La media proporciona una medida de tendencia o localización o
posición central de los datos y se refiere al punto medio de una distribución.
Si los datos son unos datos de muestra, la media se denota como X; si los
datos son datos de una población, la media se denota con la letra griega u.

Para datos no agrupados (en clases)

Media muestral

I:1,2…, c; i va de uno hasta c

Fi: frecuencia absoluta de clase
PM: Punto medio del intervalo de cada clase
n: número de observaciones
Ventajas:
1- se trata de un concepto familiar para la mayoría de las personas y es
intuitivamente claro
2- Cada conjunto de datos tiene una media; es una medida que puede
calcularse y es única debido a que cada conjunto de datos posee una y
solo una media
3- la media es útil para llevar a cabo procedimientos estadísticos como la
comparación de medias de varios conjuntos de datos.
Desventajas:
1- La media es confiable en cuanto a que toma en cuenta todos los
valores de conjunto de datos, pero puede verse afectada por valores
extremos que no son representativos del resto de los datos.
2- A media que la muestra es más grande se hace tedioso calcularla
3- No es posible encontrar la media para datos no agrupados en clases
con un intervalo abierto.

Media ponderada

Para datos no agrupados:

M: media
F: suma de todas las frecuencias de clase menor la clase de la media
Fm: frecuencia de la clase de la mediana
W: El ancho del intervalo
Lm: Limite inferior del intervalo de clase de la mediana
n: número de observaciones
Ventajas:
1- La mediana tiene varias ventajas respecto a la media. La mas
importante es que los valores extremos no afectan tan gravemente
como a la media
2- La mediana es fácil de entender y se puede calcular a partir de
cualquier tipo de datos
3- Podemos encontrar la mediana incluso cuando nuestros datos son
descripciones cualitativas como color o nitidez, en lugar de números
 Desventajas:
1- Ciertos procedimientos estadísticos que utilizan la mediana son mas
complejos que aquellos que utilizan la media
2- Debemos ordenar los datos antes de llevar a cabo cualquier calculo
3- Cuando el tamaño de la muestra es grande es mas fácil usar la media
que la mediana
Moda
La moda es el valor que se presenta con más frecuencia. Hay situaciones en
que la frecuencia mayor se presenta con dos o más valores distintos
Medidas de dispersión
La dispersión se refiere a la separación de los datos en una distribución, es
decir, al grado en que las observaciones se separan de la media. Note que la
curva A de la figura 1.3 tiene una mayor separación o dispersión que la curva
B. Existen otras dos características de los conjuntos de datos que
proporcionan información útil: El sesgo y la curtosis.

Cuando se habla de las medidas de tendencia central se mostraron dos

conjuntos de datos con la misma posición central, pero diferente distribución
(o curva), y también se observa diferente dispersión, es decir si las
observaciones en su mayoría caen o permanecen cerca de la media o no.
Al igual que sucede con cualquier conjunto de datos, la media, mediana y
moda solo nos revelan una parte de la información que debemos conocer
acerca de las características de los datos. Para aumentar nuestro
entendimiento del patrón de los datos, debemos medir también su
dispersión, separación o variabilidad.
¿Por qué es tan importante entender y medir la dispersión de una
distribución? Primero nos proporciona información adicional que nos
permite juzgar la confiabilidad de nuestra media de tendencia central.
Segundo, ya que existen problemas característicos para datos muy dispersos,
debemos ser capaces de reconocer esta dispersión amplia para poder
abordar estos problemas.
Tercero, quizá se desee comparar las dispersiones de diferentes muestras. Si
no se desea tener una amplia de valores con respecto del centro de
distribución, o esto presenta riesgos inaceptables, necesitamos poder
reconocerla y evitar elegir distribuciones que tengan dispersiones más
grandes.
La media aritmética o promedio de un conjunto de n mediciones es igual a la
suma de las mediciones divida entre n.
Es importante ver el detalle de las notaciones:
Varianza, si la población es finita de tamaño N:
Varianza de una población
Varianza de una muestra

La desviación estándar es la raíz cuadrada de la varianza así:

Desviación estándar de la población
Desviación estándar de la muestra
Eventos y espacio muestral
Se observan eventos ya sea en un laboratorio (controlado) o en la naturaleza
(no controlado) y se obtienen datos:
Un Experimento es el proceso mediante el cual se obtiene una observación
(o medición) que puede o no producir un valor numérico.
Ejemplos de observaciones:
- Calificaciones de un examen
- Medir la cantidad de lluvia diaria
- Lanzar una moneda

Una variable X es variable aleatoria si el valor que toma, que corresponde al

resultado de un experimento, es una probabilidad o evento aleatorio.
El Valor esperado o media de una variable aleatoria es una medida de la
tendencia central de la variable aleatoria y es el promedio ponderado de los
valores que toma la variable aleatoria. Los pesos que ponderan son las
probabilidades.