FACULTAD TECNICA

MEDIDAS DE TENCION
CENTRAL

Universitarios: Iván Marcelo Saique Choque

Omar Santiago Flores Zenteno

Edwin Flores Checchi

Teófilo Noel Paco Olmedo

Edgar Colque Mollo

Docente: Lic. Antonieta Morales Barrios

Materia: Estadística
INTRODUCCION
Las medidas de tendencia central señalan el valor alrededor del cual se sitúa la
mayor parte de los datos del grupo, y cumplen una función doble: a) Indican
cuál es la posición del grupo (cuál es la magnitud general de la variable en el
grupo), y b) Reducen el conjunto de datos del grupo a UN solo número
(reducción de datos).
En el caso de las variables con valores que pueden definirse en términos de
alguna escala de medida de igual intervalo, puede usarse un tipo de indicador
que permite apreciar el grado de dispersión o variabilidad existente en el grupo
de variantes en estudio.
A estos indicadores les llamamos medidas de dispersión, por cuanto que están
referidos a la variabilidad que exhiben los valores de las observaciones, ya que,
si no hubiere variabilidad o dispersión en los datos interés, entonces no habría
necesidad de la gran mayoría de las medidas de la estadística descriptiva.
Las medidas de tendencia central nos sirven de guía para encontrar los datos
centrales y representativos de un conjunto de observaciones en un estudio
estadístico. Sin embargo, ¿Qué tan "representativos pueden llegar a ser?

Para resolver este interrogante es necesario acudir a medidas que nos hablen
sobre la variabilidad de los datos, en otras palabras, sobre qué tan lejanos son
los datos con respecto a las medidas de tendencia central más relevantes. A
estas medidas las llamaremos medidas de dispersión o de variabilidad.
La enseñanza de la estadística ha hecho mayor énfasis en la tendencia central,
aun cuando la variabilidad es el corazón de la estadística, por ello las medidas
de tendencia central se utilizan cada vez más en la vida cotidiana. Sin
embargo, el análisis de los datos resulta incompleto si no se toma en cuenta su
variabilidad. Las MTC sin relación con las medidas de variabilidad no tienen
mucho sentido, así que estudiaremos estas dos importantes medidas en forma
relacionada una con la otra
MEDIA PONDERADA:
La media ponderada se calcula:

Donde xi es el valor de la observación i, y wi es el peso para la observación i.

Si los datos provienen de una muestra, la ecuación proporciona la media
ponderada muestral. Si son de una población, se obtiene la media ponderada
poblacional.
La selección de las ponderaciones para el cálculo de una determinada media
ponderada depende de la aplicación. En cualquier caso, si la importancia de las
observaciones varía, el analista debe elegir los pesos que mejor reflejen la
relevancia de cada observación en la determinación de la media.
Datos agrupados.
En la mayor parte de los casos, las medidas de localización y variabilidad se
calculan mediante los valores individuales de los datos. Sin embargo, otras
veces sólo se tienen datos agrupados o datos en una distribución de
frecuencias. En la argumentación siguiente se muestra cómo usar la fórmula de
la media ponderada para obtener aproximaciones a la media, la varianza y la
desviación estándar de datos agrupados.
Para calcular la media usando datos agrupados, considere el punto medio de
cada clase como representativo de los elementos de esa clase. Si Mi denota el
punto medio de la clase i y fi denota la frecuencia de la clase i. Entonces la
fórmula para la media ponderada se usa con los valores de los datos
denotados por Mi y los pesos dados por las frecuencias fi. En este caso, el
denominador de la ecuación es la suma de las frecuencias, que es el tamaño
de la muestra n.
Es decir, Σfi=n. De manera que la ecuación para la media muestral de datos
agrupados es la siguiente:

Donde Mi es el punto medio de la clase i, fi es la frecuencia de la clase i, y n es

el tamaño de la muestra.
Para calcular la varianza de datos agrupados se emplea una versión
ligeramente modificada de la fórmula para la varianza de datos no agrupados.
En esa ecuación los cuadrados de las desviaciones de los datos respecto a la
media muestral se escribieron como (xi-x)2. Pero cuando se tienen datos
agrupados no se conocen los valores. En este caso, se considera el punto
medio de clase, Mi, como representativo de los valores xi de la clase
correspondiente. Por tanto, los cuadrados de las desviaciones respecto a la
media (xi-x)2 son sustituidos por (Mi-x)2. Entonces, igual que en el cálculo de la
media muestral de datos agrupados, pondere cada valor por la frecuencia de la
clase, fi. La suma de los cuadrados de las desviaciones respecto a la media de
todos los datos se aproxima mediante Σfi(Mi-x)2. En el denominador aparece el
término n – 1 en lugar de n, con objeto de hacer que la varianza muestral sea
un estimador de la varianza poblacional. Por consiguiente, la fórmula usada
para obtener la varianza muestral de datos agrupados es:

La desviación estándar de datos agrupados es simplemente la raíz cuadrada

de la varianza de los datos agrupados.
El cálculo de las medidas poblacionales es semejante. A continuación, se
presentan las fórmulas para la media y la varianza poblacional de datos
agrupados.

Al calcular los estadísticos descriptivos de datos agrupados, se usan los puntos

medios de clase para aproximar los valores de los datos de cada clase. Por
tanto, los estadísticos descriptivos de datos agrupados aproximan los
estadísticos descriptivos que se obtendrían si se usaran los datos originales.
En consecuencia, es recomendable calcular los estadísticos descriptivos con
los datos originales y no con los datos agrupados, siempre que sea posible.
MEDIA CUADRATICA (MC):
La media cuadrática nació con el objetivo de poder obtener el promedio de
valores positivos y negativos al mismo tiempo, además de ser una gran ayuda
para poder calcular las dispersiones promedio de los datos (ver medidas de
dispersión).
Datos no agrupados:

√
n
∑ x 2i
i=1
MC=
n
Ejemplo:
Supóngase que se obtienen las ganancias y pérdidas del precio de una acción
durante una semana; - 4.00, - 3.50, 2.35, 6.20, 3.25 Calcular el promedio:

√
n
∑ x 2i
MC=
i=1
n
=
√ (−4 . 0)2 +(−3. 5 )2 +2. 352 +6 .22 +3 .252
5 √
=
50. 775
5
=3. 186691

Datos agrupados:

√
n
∑ f i x 2i
i=1
MC=
n
Ejemplo:
Ahora deseamos obtener el promedio de una tabla de distribución de
frecuencias, pero con datos positivos y negativos.

Ganancias y pérdidas No. De días

del precio de una acción (f)
(x)

-7.25 25
2.75 14
12.75 2
 √
n
∑ f i x 2i
MC=
i=1
n
=
√25∗(−7 .25 )2 +14∗2 .75 2 +2∗12. 752
41
=6 .5239
MEDIA ARMÓNICA
Definición:
La media armónica se designa por ¨H¨. Es un estadígrafo de posición, definido
como:
“La media armónica de un conjunto de valores X 1 , X 2 , … , X n es el inverso de la
media aritmética de los inversos de los valores considerados”.
También se tiene media armónica simple y ponderada.
Media Armónica Simple:

n n
n
H= 1 1 1 1
+ + +…+ = ∑ X1
X 1 X2 X3 Xn i=1 i

o también

n
1 1 1
= ∑
H n i=1 X i

La media armónica se aplica cuando se presenta una relación entre variables

implícitas. Como por ejemplo productividad y tiempo.

Ejemplo 1:
Tenemos un fluido turbulento en un canal el cual presenta los siguientes gastos
a lo largo del tramo de la tubería. En los primeros 5 cm se tiene un gasto de
120 l/s, los siguientes 12 cm presenta un gasto de 180 l/s y los ultimo 20 cm
presenta un gasto de 280l/s. Para calcular el promedio de los gastos,
calculamos la media armónica.

3
1890
H= 1 1 1 = = 171,82 l/s
+ + 11
120 180 280
La media armónica es de H=171,82 l/s
Ejemplo 2:
Un equipo de trabajadores textiles tiene que producir 180 metros de casimir, de
los cuales elaboran los primeros 90 metros con una productividad de 15 metros
diarios, y los 90 metros restantes lo hacen a razón de 20 metros por día. ¿Cuál
es la productividad diaria durante todo el trabajo? Se trata de hallar la media
armónica.
Si se considera la media aritmética, resultaría:

15+20
X= =17.5 metros diarios
2
Por su parte, para elaborar los primeros 90 metros se necesitan 6 días, y para
los siguientes 90 metros sólo 4,5 días. Si la productividad promedio diaria es de
17,5 metros, en los 10,5 días se fabricarán 10,5 x 15 = 183,75 metros que es
superior a los 180 metros considerados, lo que es inconsistente. Sin embargo,
cuando se utiliza la media armónica, los resultados son consistentes.
2
2 x 60 120
H= 1 1 = = =17.14 metros diarios
+ 4+ 3 7
15 20
Entonces trabajando los 10,5 días con una productividad diaria de 17,14
metros, se logra producir 10,5 x 17,14 =180 metros
Media Armónica Ponderada:
Se utiliza para datos agrupados:
n
H=
m
f
∑ Xi
i=1 i

H¿ G< X
Para datos agrupados sin intervalos
Ejemplo 1:
En la siguiente tabla se presentan los datos sobre el tiempo en horas que se
demoran en realizar una obra determinados obreros. Calcular el tiempo
promedio que se demora en realizar la obra un obrero tipo (un obrero
promedio).
Tiempo Obreros
4 4
5 5
6 7
7 2
9 2
Para datos agrupados con intervalos
Ejemplo 2:
En la siguiente tabla se presentan los datos sobre el tiempo en minutos que se
demoran para resolver una prueba de Estadística determinados estudiantes.
Calcular el tiempo promedio que se demora en resolver la prueba un estudiante
tipo.

Tiemp Estudiante
o s
[40-50) 4
[50-60) 8
[60-70) 10
[70-80) 7
[80-90] 11

Completando la tabla:

Tiempo fi Xi fi/ X i
[40-50) 4 45 0.089
[50-60) 8 55 0.145
[60-70) 10 65 0.154
[70-80) 7 75 0.093
[80-90) 11 85 0.129
TOTAL 40 0.611
LA MEDIA GEOMETRICA
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.
En muchas ocasiones se utiliza su trasformación en el manejo estadístico de
variables con distribución no normal.
Su fórmula es:

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.
VENTAJAS:
▪Es más representativa que la media aritmética cuando la variable evoluciona
de forma acumulativa con efectos multiplicativos.
▪Está definida de forma objetiva y es única, si existe.
▪Tiene en cuenta en su cálculo todos los valores de la distribución.
▪Los valores de los extremos tienen menor influencia por estar definida por
productos en vez de sumas. INCOVINIENTES:
▪Cálculo más complicado que la media aritmética. ▪ No puede determinar si
algún es cero o negativo. DESVENTAJAS:
Si el valor de una variable es cero, entonces la media geométrica se hace cero,
sin importar los valores de otras magnitudes.
Puede convertirse en un numero imaginario si algunos de los valores son
negativos, y la cantidad de muestras es un numero par (Generalmente está
restringido a valores positivos).
La media geométrica se usa para encontrar el promedio de porcentajes,
razones, índices o tasas de crecimiento.
Ejemplo
Calcule la media geométrica de la tasa de crecimiento porcentual anual de las
ganancias en las empresas comerciales del año 2015 al 2020 que se muestran
Solución:

Media global
La media de varios grupos de datos es igual a la suma del producto entre la cantidad
de datos de cada grupo por la media de ese grupo dividido la suma de las cantidades
Si una muestra de tamaño n se particiona en k submuestras y x 1 , x 2 , x n

Son las medidas de las k submuestras de tamaños n1 , n2 , …..n respectivamente

entonces:
k

∑ ni x1
X global= i=1
n

Se denomina media global de la muestra particionada.

Ejemplo
Si en una sección de estudiantes se divide en tres grupos de practica A,B,C de
10,16,14 estudiantes, si su rendimiento académico de cada grupo es 15,14y 12
respectivamente.
Cuál será el rendimiento global de toda la sección.
SOLUCIÓN:
k

∑ ni x1 15∗10+ 14∗16+12∗14 542

i=1
X global = = = =13,5
n 40 40
Datos no agrupados: Estudiantes de los grupos A, B, C. de 10,16,14
Datos agrupados
Grup Nro. de Rendimiento
o estudiantes académico
A 10 15
B 16 14
C 14 12
Relación entre la Media, la Mediana y la Moda
Para saber si una distribución de frecuencias es simétrica, hay que precisar con
respecto a qué. Un buen indicador es la mediana para variables continuas, ya que
divide al histograma de frecuencias en dos partes de igual área.
Las relaciones existentes entre los diferentes tipos de distribuciones son:
Ejemplo
Luego de una epidemia de hepatitis B. se ha registrado el tiempo (en semanas) que
tardarán en recuperarse 40 afectados. Con esta información se obtuvo:
Media = 1,8; Me = 1,5 y Mo = 1. Analiza la relación entre la media, mediana y moda y
la distribución que presenta.

SOLUCIÓN
• La relación que encontramos entre estas medidas es: Mo < Me < Media.
• Entonces presenta una distribución de tipo asimétrica positiva.
CONCLUSIONES

•Las Medidas de tendencia central, nos permiten identificar los valores más
representativos de los datos, de acuerdo a la manera como se tienden a
concentrar.

•La Media nos indica el promedio de los datos; es decir, nos informa el valor
que obtendría cada uno de los individuos si se distribuyeran los valores en
partes iguales.

•La Mediana por el contrario nos informa el valor que separa los datos en dos
partes iguales, cada una de las cuales cuenta con el cincuenta por ciento de los
datos.

•La Moda nos indica el valor que más se repite dentro de los datos.

•Comparando la media con respecto a las demás medidas que se encuentran

muy
alejadas se puede concluir que: Existencia de posibles datos atípicos, es decir,
hay precios totales en los recibos de energía eléctrica grandes.

•Comparando la moda con respecto a las demás medidas se puede concluir

que: Los valores se concentran entre el primer y segundo intervalo, por lo que
se puede decir que más de la mitad que equivalen a 21 personas pagan entre
20.190 a 48.650 pesos en el recibo de energía eléctrica.

•Se llaman Medidas de Tendencia Central a los valores que tienden a situarse
en el centro del conjunto de datos ordenados respecto a su magnitud.

•Su objetivo es resumir y sintetizar un conjunto de datos mediante un único

número o unos pocos.
BIBLIOGRAFIA:

• https://slideplayer.es/slide/5474406/
• https://es.slideshare.net/METEAA-09/medidas-de-tendencias-central-y-
dispersin-55399687
• https://es.slideshare.net/paulali54/medidas-de-tendencia-central-12229929
• https://www.youtube.com/watch?v=VIRLvkfRYbg
• https://www.youtube.com/watch?v=ytmFb6xt-7k
• https://www.youtube.com/watch?v=HeIQH5q_eEM
• https://www.google.com/search?client=firefox-b-d&q=MEDIA+ARMONICA+
• https://economipedia.com/definiciones/media-armonica.html
• file:///C:/Users/jcari/Downloads/Documento%20(6).pdf
• file:///C:/Users/jcari/Downloads/Media%20global.pdf
• file:///C:/Users/jcari/Downloads/Estadistica-y-Probabilidades-Mitacc-Meza-pdf