ESTADÍSTICA DESCRIPTIVA APLICADA

EJERCICIO 4
MEDIDAS DE POSICIÓN NO CENTRAL
CÁLCULO DE CUARTILES, DECILES Y PERCENTILES

Paso 1. Ordenar los datos de menor a mayor.

Paso 2. Calcular el índice 𝑖

Cuartil Decil Percentil

𝑄𝑖 𝐷𝑖 𝑃𝑖
𝑖 = ( )𝑛 𝑖 = ( )𝑛 𝑖=( )𝑛
4 10 100

Paso 3.

a) Si 𝑖 es un numero entero, obtener el promedio de los valores en las posiciones 𝑖 e 𝑖 + 1.

b) Si 𝑖 no es un numero entero, redondear al entero mayor siguiente.

Ejercicio 1. La siguiente tabla lista las 76 edades ordenadas de las mejores actrices ganadoras del
Óscar.

21 22 24 24 25 25 25 25 26 26
26 26 27 27 27 27 28 28 28 28
29 29 29 29 29 29 30 30 31 31
31 32 32 33 33 33 33 33 34 34
34 35 35 35 35 35 35 35 36 37
37 38 38 38 38 39 39 40 41 41
41 41 41 42 42 43 45 46 49 50
54 60 61 63 74 80

Calcular:

1
ESTADÍSTICA DESCRIPTIVA APLICADA

a) Cuartil 1

1 28 + 28
𝑖 = ( ) 76 = 19 𝑄1 = = 28
4 2

b) Cuartil 3

3 39 + 40
𝑖 = ( ) 76 = 𝟓𝟕 𝑄3 = = 39.5
4 2

c) Decil 2

2 𝐷2 = 27
𝑖=( ) 76 = 𝟏𝟓. 𝟐 ≈ 𝟏𝟔
10

d) Decil 5

5 𝟑𝟑 + 𝟑𝟒
𝑖=( ) 76 = 𝟑𝟖 𝐷5 = = 33.5
10 2

e) Decil 9

9
𝑖=( ) 76 = 𝟔𝟖. 𝟒 ≈ 𝟔𝟗 𝐷9 = 49
10

f) Percentil 30

30
𝑖=( ) 76 = 𝟐𝟐. 𝟖 ≈ 𝟐𝟑 𝑃30 = 29
100

g) Percentil 45

45
𝑖=( ) 76 = 𝟑𝟒. 𝟐 ≈ 𝟑𝟓 𝑃45 = 33
100

h) Percentil 99

99
𝑖=( ) 76 = 𝟕𝟓. 𝟐𝟒 ≈ 𝟕𝟔 𝑃99 = 80
100

2
ESTADÍSTICA DESCRIPTIVA APLICADA

MEDIDAS DE VARIACIÓN (DISPERSIÓN)

1 Rango Parámetro / Estadístico

Es la diferencia entre el valor máximo y

𝑅𝑎𝑛𝑔𝑜 = (𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑚í𝑛𝑖𝑚𝑜)
el valor mínimo de un conjunto de datos.

2 Varianza Parámetro Estadístico

Medida de la variación de los datos

∑(𝑥𝑖 − 𝜇)2 ∑(𝑥𝑖 − 𝑥̅ )2
respecto a la media elevadas al 𝜎2 = 𝑠2 =
cuadrado. 𝑁 𝑛−1

3 Desviación estándar Parámetro Estadístico

Medida de la variación de los datos

respecto a la media (raíz cuadrada). 𝜎 = √𝜎 2 𝑠 = √𝑠 2

4 Coeficiente de variación Parámetro Estadístico

Mide qué tan grande es la magnitud de 𝜎 𝑠

la desviación estándar respecto a su 𝐶𝑉 = ( ) × 100 𝐶𝑉 = ( ) × 100
𝜇 𝑥̅
media.

3
ESTADÍSTICA DESCRIPTIVA APLICADA

5 Índice de asimetría Parámetro Estadístico

Mide el tipo y magnitud de sesgo de una ∑(𝑥𝑖 − 𝜇)3 ∑(𝑥𝑖 − 𝑥̅ )3

∝3 = 𝑁 ∝3 = 𝑛−1
distribución de datos.
𝜎3 𝑠3

Si ∝3 < 0, asimetría negativa. Si ∝3 = 0, simetría. Si ∝3 > 0, asimetría positiva.

La distribución está sesgada a La distribución es simétrica. La distribución está sesgada a
la izquierda. la derecha.

6 Kurtosis Parámetro Estadístico

Mide el grado de apuntamiento de una ∑(𝑥𝑖 − 𝜇)4 ∑(𝑥𝑖 − 𝑥̅ )4

∝4 = 𝑁 ∝4 = 𝑛−1
distribución (qué tan puntiaguda o plana es).
𝜎4 𝑠4

Si ∝4 < 3 Si ∝4 = 3 Si ∝4 > 3

La distribución es platicúrtica La distribución es mesocúrtica La distribución es leptocúrtica

(muy plana) (Ni tan plana, ni tan (Muy puntiaguda)
puntiaguda)

4
ESTADÍSTICA DESCRIPTIVA APLICADA

Ejercicio 1. El departamento de crédito y cobranza de una empresa quiere conocer la variación que
existe en una muestra de 15 datos, correspondientes a los próximos cobros en (pesos) que debe
hacer. Calcula las medidas de variación, para los siguientes datos:

10,000 12,000 15,000 16,000 15,000

9,000 13,500 12,700 9,700 18,000
13,200 12,600 14,000 18,700 16,500

𝑥𝑖 (𝑥𝑖 − 𝑥̅ ) (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )3 (𝑥𝑖 − 𝑥̅ )4

10,000 -3,726.67 13,888,044.44 -51,756,112,296.30 192,877,778,490,864.00
12,000 -1,726.67 2,981,377.78 -5,147,845,629.63 8,888,613,453,827.15
15,000 1,273.33 1,621,377.78 2,064,554,370.37 2,628,865,898,271.61
16,000 2,273.33 5,168,044.44 11,748,687,703.70 26,708,683,379,753.10
15,000 1,273.33 1,621,377.78 2,064,554,370.37 2,628,865,898,271.61
9,000 -4,726.67 22,341,377.78 -105,600,245,629.63 499,137,161,009,382.00
13,500 -226.67 51,377.78 -11,645,629.63 2,639,676,049.38
12,700 -1,026.67 1,054,044.44 -1,082,152,296.30 1,111,009,690,864.19
9,700 -4,026.67 16,214,044.44 -65,288,552,296.30 262,895,237,246,420.00
18,000 4,273.33 18,261,377.78 78,036,954,370.37 333,477,918,342,716.00
13,200 -526.67 277,377.78 -146,085,629.63 76,938,431,604.94
12,600 -1,126.67 1,269,377.78 -1,430,165,629.63 1,611,319,942,716.05
14,000 273.33 74,711.11 20,421,037.04 5,581,750,123.46
18,700 4,973.33 24,734,044.44 123,010,647,703.70 611,772,954,579,753.00
16,500 2,773.33 7,691,377.78 21,330,754,370.37 59,157,292,120,493.90
205,900 0 117,249,333.33 7,813,768,888.89 2,002,980,859,911,110.00

𝑛 15
𝑥̅ 13,726.67
Máximo 18,700
Mínimo 9,000

a) Rango= 9,700.00
b) 𝑠2 = 8,374,952.38 𝑠3 = 24,236,701,804.14
c) 𝑠= 2,893.95 𝑠4 = 70,139,827,383,219.90
d) CV= 21.08%
e) ∝3 = 0.0230
f) ∝4 = 2.0398

5
ESTADÍSTICA DESCRIPTIVA APLICADA

Calcular:

a) Rango

Rango= 18,700 – 9,000 = 9,700

b) Varianza

∑(𝑥𝑖 − 𝜇)2 117,249,333.33

𝑠2 = = = 𝟖, 𝟑𝟕𝟒, 𝟗𝟓𝟐. 𝟑𝟖
𝑛−1 15 − 1

c) Desviación estándar

𝑠 = √𝑠 2 = √8,374,952.38 = 𝟐, 𝟖𝟗𝟑. 𝟗𝟓

d) Coeficiente de variación
𝑠 2,893.95
𝐶𝑉 = ( ) × 100 = ( ) × 100 = 𝟐𝟏. 𝟎𝟖%
𝑥̅ 13,726.67

e) Índice de asimetría

∑(𝑥𝑖 − 𝑥̅ )3 7,813,768,888.89
∝3 = 𝑛 − 1 = 15 − 1 = 𝟎. 𝟎𝟐𝟑𝟎
𝑠3 24,236,701,804.14
Sesgo positivo

f) Kurtosis

∑(𝑥𝑖 − 𝑥̅ )4 2,002,980,859,911,110.00
∝4 = 𝑛 − 1 = 15 − 1 = 𝟐. 𝟎𝟑𝟗𝟖
𝑠 4 70,139,827,383,219.90

Platicúrtica

6
ESTADÍSTICA DESCRIPTIVA APLICADA

Ejercicio 2. El número de multas de tránsito que se aplicaron el año pasado, por mes, en cierta
alcaldía de la CDMX es la siguiente:

Mes Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic

Multas 19 17 22 18 28 34 45 39 38 44 34 10

𝑥𝑖 (𝑥𝑖 − 𝜇) (𝑥𝑖 − 𝜇)2 (𝑥𝑖 − 𝜇)3 (𝑥𝑖 − 𝜇)4

19 -10 100 -1,000 10,000
17 -12 144 -1,728 20,736
22 -7 49 -343 2,401
18 -11 121 -1,331 14,641
28 -1 1 -1 1
34 5 25 125 625
45 16 256 4,096 65,536
39 10 100 1,000 10,000
38 9 81 729 6,561
44 15 225 3,375 50,625
34 5 25 125 625
10 -19 361 -6,859 130,321
348 0 1,488 -1,812 312,072

N= 12
𝜇= 29
Máximo = 45
Mínimo = 10

7
ESTADÍSTICA DESCRIPTIVA APLICADA

Calcular:

g) Rango

Rango= 45 - 10 = 35

h) Varianza

∑(𝑥𝑖 − 𝜇)2 1488

𝜎2 = = = 𝟏𝟐𝟒
𝑁 12

i) Desviación estándar

𝜎 = √𝜎 2 = √124 = 𝟏𝟏. 𝟏𝟒

j) Coeficiente de variación
𝜎 11.14
𝐶𝑉 = ( ) × 100 ( ) × 100 = 𝟑𝟖. 𝟒𝟎%
𝜇 29

k) Índice de asimetría

∑(𝑥𝑖 − 𝜇)3 −1,812

∝3 = 𝑁 = 12 = −𝟎. 𝟏𝟎𝟗
𝜎3 1,380.81

l) Kurtosis

∑(𝑥𝑖 − 𝜇)4 312,072

∝4 = 𝑁 = 12 = 𝟏. 𝟔𝟗𝟏
𝜎4 15,376