CENTRO UNIVERSITARIO DEL SIGLO XXI

Licenciatura En Criminología y Criminalística

Alumna: María Concepcion Almeida Martinez

Aula: 301

2do. Bimestre del 3er. 4tri. Mestre

Asignatura: Estadística

Docente: José Campos Feria

Tarea: n ° 2

Investigación, Resumen, Conclusión

Tema: Medidas de tendencia centran y medidas de

dispersión

Fecha de entrega: 31/07/2022 Hora: 08:00

 ÍNDICE

ÍNDICE............................................................................................................2
INTRODUCCIÓN............................................................................................3
2.1- MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN 4
2.2- CARACTERÍSTICAS DE LAS MEDIDAS DE TENDENCIA CENTRAL. 5
2.2.1- CLASIFICACIÓN DE LAS MEDIDAS DE TENDENCIA CENTRAL.....6
2.2.2- MEDIA ARITMÉTICA...........................................................................8
2.2.3 – MEDIANA............................................................................................9
2.2.4- MODA.................................................................................................10
2.2.5- MEDIA PONDERADA........................................................................13
2.2.6- MEDIA GEOMÉTRICA.......................................................................15
2.2.7- MEDIA ARMÓNICA............................................................................16
2.2.8- MEDIA CUADRÁTICA........................................................................17
2.3- ASIMETRÍA DE UNA CURVA DE FRECUENCIA POR MEDIO DE LA
RELACIÓN ENTRE LA MEDIA, MEDIANA Y MODA.............................................19
2.3.1- ASIMETRÍA O SESGO NEGATIVOS................................................19
2.3.2- ASIMETRÍA O SESGO POSITIVOS..................................................20
2.3.3- SIMETRÍCA........................................................................................22
RESUMEN....................................................................................................25
CONCLUSIÓN..............................................................................................27
BIBLIOGRAFÍA.............................................................................................28
 INTRODUCCIÓN

Con estas métricas queremos reducir el conjunto de observaciones

variables a unos pocos números significativos y describir con ellos algunas
características de los conjuntos, y tener una comparación de datos obtenidos más
precisa a través de tablas y gráficos
 2.1- MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE
DISPERSIÓN

¿Qué son las medidas de tendencia y dispersión?

Las medidas de tendencia central son medidas estadísticas que intentan
agrupar un conjunto de valores en un solo valor. Las métricas más utilizadas y
conocidas son media, mediana y moda. Las medidas de tendencia central son
medidas estadísticas que intentan agrupar un conjunto de valores en un solo valor.
Las métricas más utilizadas y conocidas son medio, medio y moda. Cada uno de
ellos tiene su propio significado y proceso, que depende de diferentes aspectos
del problema emergente, por ejemplo, si se trata de datos agregados o datos no
agregados.
Media o promedio: Es el valor obtenido al hacer la suma de los valores, que
luego se divide por la cantidad de valores.
Mediana: Es el valor que se halla en el centro de los otros valores.
Claramente los valores se organizan de menor a mayor y el que se encuentre en
la mitad es el que se denomina como mediana, se tiene que tener en cuenta
cuando la cantidad de números son parejas, en la mitad quedaran valores por lo
que se hallará el promedio de estos dos, sumándolos y dividiéndolo por la
cantidad de valores sumados.
Moda: Es el valor que se encuentra más veces en el problema. Tengamos
en cuenta que para este ejercicio puede haber dos valores, a esto se le conoce
bimodal y cuando hay más de dos valores se le conoce como bimodal
(www.studocu.com, 2022).

¿Qué son las medidas de dispersión?

Las medidas de dispersión son otro tipo de medida estadística que, en
contraposición de la medida central, miden el grado de dispersión de los valores
de la variable. Dicho de otra manera, son las medidas que indican si una variable
se mueve mucho, poco, más o menos que otras (www.euroinnova.mx, 2022).
Rango de variación: Se especifica como aquella diferencia entre el mayor y
el menor valor de la variable.
Varianza: Representa la variabilidad de una sucesión de valores o datos
respecto a su media.
Desviación: Es la raíz cuadrada de la varianza.
 Coeficiente de variación: Es una medida de la dispersión relativa de los
datos. Se define como la desviación estándar de la muestra expresada como
porcentaje de la media muestral.

2.2- CARACTERÍSTICAS DE LAS MEDIDAS DE TENDENCIA

CENTRAL

° Media aritmética. – La media aritmética es el centro de gravedad de la

distribución. O sea, si se supone idealmente materializada el área limitada por la
línea curva y el eje de las abscisas, el punto es el punto de equilibrio de la figura.
La media aritmética es el valor de la variable que depende de todas las
observaciones. Por tanto, la presencia de un valor observado anormalmente
grande o anormalmente pequeño influye sensiblemente en el valor promedio, lo
cual, evidentemente, es un inconveniente de la media aritmética. Frente a este
inconveniente tiene la ventaja de utilizar toda la información recogida

° Mediana. - Es el valor de la variable que deja a un lado y a otro el mismo

número de observaciones, bajo el supuesto de que estén ordenadas en sentido
creciente (o decreciente). En la Fig. 1, la ordenada correspondiente a la mediana
divide, por tanto, el área total en dos partes iguales.
Para su determinación no es necesario conocer el valor de todas las
observaciones; sólo es preciso saber el valor de la observación central y que los
restantes son mayores o menores que éste. No se utiliza, pues, toda la
información recogida, lo cual es un inconveniente. En cambio, tiene la ventaja de
que los valores observados anormalmente grandes o pequeños no influyen en el
promedio

° Moda. - Es el valor más frecuente, es decir, el punto donde se concentra

el mayor número de observaciones. En la fig. 1, la moda es la abscisa del punto al
cual corresponde el máximo de la curva.
No utiliza, por tanto, toda la información, pues basta con saber tan sólo qué
valor de la variable es el más frecuente. Pero esto hace que –como la mediana- la
moda no venga afectada por los valores observados anormalmente grandes o
pequeños (Leoo04, 2015)
 2.2.1- CLASIFICACIÓN DE LAS MEDIDAS DE TENDENCIA
CENTRAL

La media aritmética
La media aritmética es el promedio o medición de tendencia central de uso
más común. Se calcula sumando todas las observaciones de una serie de datos y
luego dividiendo el total entre el número de elementos involucrados.

La expresión algebraica puede describirse como:

Donde N es el número de datos

Un ejemplo:
Calcular la media de 2, 4, 6, 7, 9
N= 5 (el número de datos)

Aplico la fórmula y queda la sumatoria de 2, 4, 6, 7 y 9, siendo igual a 28,

dividido por la cantidad de datos, es decir, dividido por 5. La media, entonces, es
igual a 5,6.

La mediana
La mediana es el valor medio de una secuencia ordenada de datos. Si no
hay empates, la mitad de las observaciones serán menores y la otra mitad serán
mayores. La mediana no se ve afectada por ninguna observación extrema de una
serie de datos. Por tanto, siempre que esté presente una observación extrema es
apropiada usar la mediana en vez de la media para describir una serie de datos.

Para calcular la mediana de una serie de

datos recolectados en su forma sin procesar, primero debemos poner los datos en
una clasificación ordenada. Después usamos la fórmula de punto de

posicionamiento:
Para encontrar el lugar de la clasificación ordenada que corresponde al
valor de la mediana, se sigue una de las dos reglas:
Si el tamaño de la muestra es un número impar, la mediana se representa
mediante el valor numérico correspondiente al punto de posicionamiento, la
observación ordenada es (n+1) /2.
Si el tamaño de la muestra es un número par entonces el punto de
posicionamiento cae entre las dos observaciones medias de la clasificación
ordenada. La mediana es el promedio de los valores numéricos correspondientes
a estas dos observaciones medias.

La moda

La moda o modo es el valor de una serie de datos que aparece con más
frecuencia. Se obtiene fácilmente de una clasificación ordenada. A diferencia de la
media aritmética, la moda no se ve afectada por la ocurrencia de los valores
extremos.
Ejemplo: Los valores siguientes son las calificaciones de un alumno durante
todo el año
7; 8; 9; 7; 9; 8; 8; 8; 7; 8
 Podemos afirmar entonces que el modo es igual a 8, dado que es el valor
que aparece con más frecuencia (aprendiendoadministracion.com, 2022).

2.2.2- MEDIA ARITMÉTICA

La media aritmética es un tipo de media que otorga la misma ponderación a

todos los valores.
Símbolo de la media aritmética
El símbolo de la media aritmética es una X con una barra encima. Por lo
que quedaría así ↓:
Símbolo de la media aritmética → x̄

Cómo calcular la media aritmética

Para calcular la media aritmética es necesario realizar la suma del número
de valores de los que queremos conocer su media. Por ejemplo, si queremos
repartir caramelos entre los alumnos de una clase de forma equitativa, en primer
lugar, calcularemos cuantos caramelos tenemos en total.
Posteriormente, debemos de saber entre cuantos alumnos se van a repartir,
para poder calcular la media aritmética. El número de caramelos lo dividiremos
entre el número de alumnos y obtendremos cuántos caramelos tendremos que
darle a cada uno de ellos para que se repartan de forma igualitaria.

Fórmula de la media aritmética

La fórmula de la media aritmética es la siguiente:

Formula

Si la leemos de izquierda a derecha, veremos que hay tres partes. La

primera es el nombre, la segunda una fórmula pequeña y la tercera el desarrollo.
La segunda parte de la fórmula se lee tal que así: Sumatorio desde 1 hasta N de la
variable x dividido entre N. Adicionalmente, podríamos añadir un comentario que
indicase: con i entre 1 y N. Vamos a ver ahora, qué significa todo esto.
 ° Sumatorio: El sumatorio nos indica que debemos sumar un conjunto de
valores desde el primero, hasta el N. Así si existen 30 valores, deberemos sumar
el primero, el segundo, el tercero, …, y el treintavo.
° N: Representa el número total de observaciones. Por ejemplo, si tenemos
el peso de 10 manzanas individuales, N vale 10. Ya que tenemos 10 manzanas.
° x: La variable X es sobre la que calculamos la media aritmética. En este
caso sería el peso de las manzanas.
° i: Representa la posición de cada observación. En este ejemplo,
podríamos ponerle una etiqueta a cada manzana, la manzana 1, la manzana 2,
etc. (López J. F., economipedia.com, 2020).

2.2.3 – MEDIANA

La mediana es un estadístico de posición central que parte la distribución

en dos, es decir, deja la misma cantidad de valores a un lado que a otro.

Fórmula de la mediana
Una vez definida la mediana vamos a pasar a calcularla. Para ello,
necesitaremos una fórmula.
La fórmula no nos dará el valor de la mediana, lo que nos dará es la
posición en la que está dentro del conjunto de datos. Debemos tener en cuenta,
en este sentido, si el número total de datos u observaciones que tenemos (n) es
par o impar. De tal forma que la fórmula de la mediana es:
° Cuando el número de observaciones es par:
Mediana = (n+1) / 2 → Media de las observaciones

° Cuando el número de observaciones es impar:

Mediana = (n+1) / 2 → Valor de la observación

Es decir, que, si tenemos 50 datos ordenados preferiblemente de menor a

mayor, la mediana estaría en la observación número 25,5. Esto es el resultado de
aplicar la fórmula para un conjunto de datos par (50 es número par) y dividir entre
2. El resultado es 25,5 ya que dividimos entre 50+1. La mediana será la media
entre la observación 25 y la 26.
 Ejemplo de cálculo de la mediana
Imaginemos que tenemos los siguientes datos: 2,4,12,6,8,14,16,10,18.
En primer lugar, los ordenamos de menor a mayor con lo que tendríamos lo
siguiente: 2,4,6,8,10,12,14,16,18.

Pues bien, el valor de la mediana, como indica la fórmula, es aquel que deje
la misma cantidad de valores tanto a un lado como a otro. ¿Cuántas
observaciones tenemos? 9 observaciones. Calculamos la posición con la fórmula
de la mediana correspondiente.
Mediana = 9+1 / 2 = 5
¿Qué quiere decir este 5? Nos dice que el valor de la mediana se encuentra
en la observación cuya posición es la quinta.
Por lo tanto, la mediana de esta sería de datos sería el número 10, ya que
está en la posición quinta. Además, podemos comprobar cómo tanto a la izquierda
del 5 hay 4 valores (2, 4, 6 y 8) y a la derecha del 10 hay otros 4 valores (12, 14,
16 y 18) (Sanjuán, 2019).

2.2.4- MODA

La moda estadística es aquel valor que, dentro de un conjunto de datos, se

repite el mayor número de veces.

Tipos de moda en estadística

En estadística, existen varios tipos de modas que se clasifican según el
número de valores que están más repetidos:
Moda unimodal: solo hay un valor con el máximo número de repeticiones.
Por ejemplo, [1, 4, 2, 4, 5, 3].
Moda bimodal: el máximo número de repeticiones se produce en dos
valores diferentes y ambos valores se repiten el mismo número de veces. Por
ejemplo, [2, 6, 7, 2, 3, 6, 9].
Moda multimodal: tres o más valores tienen el mismo número máximo de
repeticiones. Por ejemplo, [3, 3, 4, 1, 3, 4, 2, 1, 4, 5, 2, 1].
 Ejemplos de moda estadística
Vista la definición de la moda en estadística, a continuación, puedes ver un
ejemplo de cada tipo de moda para que puedas entender mejor el concepto.
Ejemplo de moda unimodal
¿Cuál es la moda del siguiente conjunto de datos?
5\4\9\7\2\3\9\6\5\2\5
Los números están desordenados, por lo que primero los ordenaremos para
que sea más fácil encontrar la moda.
2\2\3\4\5\5\5\6\7\9\9
Los números 2 y 9 aparecen dos veces, pero el número 5 está repetido tres
veces. Por lo tanto, la moda de la serie de datos es el número 5.
Ejemplo de moda bimodal
Calcula la moda del siguiente conjunto de datos:
8 \ 7 \ 0 \ 6 \ 10 \ 9 \ 13 \ 8 \ 0 \ 6 \ 2 \ 6 \ 5 \ 11 \ 10 \ 0 \ 9 \ 8 \ 6 \ 12 \ 3 \ 5 \
11 \ 1 \ 4 \ 8 \ 10 \ 2 \ 5 \ 7

Primero ponemos los números en orden:

0 \ 0 \ 0 \ 1 \ 2 \ 2 \ 3 \ 4 \ 5 \ 5 \ 5 \ 6 \ 6 \ 6 \ 6 \ 7 \ 7 \ 8 \ 8 \ 8 \ 8 \ 9 \ 9 \ 10 \
10 \ 10 \ 11 \ 11 \ 12 \ 13
Como puedes comprobar, el número 6 y el número 8 aparecen un total de
cuatro veces, el máximo número de repeticiones. Por lo tanto, en este caso se
trata de una moda bimodal y ambos números son la moda del conjunto de datos:

Ejemplo de moda multimodal

Halla la moda del siguiente conjunto de datos:
21 \ 27 \ 32 \ 15 \ 13 \ 20 \ 21 \ 21 \ 25 \ 27 \ 31 \ 30 \ 19 \ 20 \ 16
22 \ 19 \ 20 \ 31 \ 18 \ 20 \ 25 \ 26 \ 15 \ 20 \ 31 \ 31 \ 27 \ 16 \ 17
31 \ 27 \ 24 \ 23 \ 21 \ 27 \ 29 \ 36 \ 32 \ 30 \ 16 \ 22 \ 15 \ 14 \ 37
Como hay muchos datos, primero los ordenamos en orden creciente para
que así sea más fácil contarlos:
13 \ 14 \ 15\ 15\ 15 \ 16 \ 16 \ 16 \ 17 \ 18 \ 19 \ 19 \ 20 \ 20 \ 20
20 \ 20 \ 21 \ 21 \ 21\ 21 \ 22 \ 22 \ 23 \ 24 \ 25 \ 25 \ 26 \ 27 \ 27
 27 \ 27 \ 27 \ 29 \ 30 \ 30 \ 31 \ 31 \ 31 \ 31 \ 31 \ 32 \ 32 \ 36 \ 37
Los números que más se repiten son el 20, el 27 y el 31, los tres números
están repetidos cinco veces. De modo que la moda de este ejemplo es multimodal.

Moda para datos agrupados

Cuando tenemos los datos agrupados en forma de intervalos realmente no
sabemos cuántas veces está repetido cada dato, solamente conocemos la
frecuencia de cada intervalo.
Por lo tanto, para calcular la moda de unos datos agrupados en intervalos
se debe utilizar la siguiente fórmula:
Mo=L_i+ \cfrac{f_i-f_{i-1}}{(f_i-f_{i-1})+(f_i-f_{i+1})}\cdot A_i
Donde:
Li es el límite inferior del intervalo modal (intervalo con mayor frecuencia
absoluta).
fi es la frecuencia absoluta del intervalo modal.
fi-1 es la frecuencia absoluta del intervalo anterior al modal.
fi+1 es la frecuencia absoluta del intervalo posterior al modal.
Ai es la amplitud del intervalo modal.
A modo de ejemplo, a continuación, tienes resuelto un ejercicio en el que se
calcula la moda de unos datos agrupados en intervalos:

En este caso el intervalo modal es [40,45), ya que es el intervalo con la

frecuencia absoluta más grande. Por lo tanto, los parámetros de la fórmula de la
moda para datos agrupados valen:
 Así que aplicamos la fórmula para determinar la moda de los datos
agrupados en intervalos y hacemos el cálculo (www.probabilidadyestadistica.net,
www.probabilidadyestadistica.net, 2022):

2.2.5- MEDIA PONDERADA

La media ponderada es un tipo de media que otorga diferentes pesos a los

distintos valores sobre los que se calcula.
Fórmula de la media ponderada
La fórmula de la media ponderada es la siguiente:

Formula

Si la leemos de izquierda a derecha, tenemos tres partes. La primera de

ellas es el nombre, la segunda una fórmula pequeña pero un poco extraña y la
tercera es el desarrollo de la segunda parte. La segunda parte de la fórmula se lee
tal que así: Sumatorio desde 1 hasta N de x sub-i por el peso de x sub i. Vamos a
desarrollar todo esto de forma mucho más sencilla:

° Sumatorio: El sumatorio nos indica que debemos sumar un conjunto de

valores desde el primero, hasta el N. Así, si existen 10 valores, deberemos sumar
el primero, el segundo, el tercero, …, y el décimo. En este caso, es una suma de
productos. Por tanto, lo que deberemos hacer es sumar el resultado de los
productos.
° N: Representa el número total de observaciones. Por ejemplo, si la nota
de nuestra asignatura depende de tres factores (examen, ejercicios y
participación) N valdrá tres.
 ° x: La variable X es sobre la que calculamos la media ponderada.
Siguiendo el ejemplo de la nota final de la asignatura, X sería la nota en número
de cada parte.
° i: Representa la posición de cada observación. En este ejemplo,
podríamos ponerle un número a cada factor al examen el 1, a los ejercicios un 2 y
a la participación un 3. De manera que x1 es la nota del examen, x2 la nota de los
ejercicios y x3 la nota de la participación en clase.
° Por último, a diferencia de la media aritmética aparece el valor P. La P es
de porcentaje, peso o ponderación. Cualquiera de las tres palabras es equivalente
en estos casos. Será el peso otorgado a cada una de las partes, examen 70%,
ejercicios 20% y participación un 10%. Hemos de recordar, no obstante que
debemos expresar los porcentajes en tanto por uno.

Ejemplo de media ponderada

Supongamos que tenemos que calcular la nota final de nuestra asignatura
de economía. Para ello, debemos realizar una media ponderada que se distribuye
como sigue a continuación:
Trabajo sobre el crash del 29 — 20%
Examen final ———————— 70%

Asistencia a clase —————— 10%

En el trabajo sobre el crash del 29, gracias a que buscamos información en
Economipedia, nos pusieron un 9,5. En el examen final tuvimos un 8,5. Sin
embargo, solo asistimos a 10 clases de un total de 20. Por lo que nuestra nota en
asistencia a clase es de un 5.
Para saber nuestra nota final de la asignatura de economía debemos
multiplicar nuestra nota por la ponderación. Tal que:

Nuestra nota final de la asignatura es de 8,35 (López j. F., 2020).

 2.2.6- MEDIA GEOMÉTRICA

La media geométrica es un tipo de media que se calcula como la raíz del

producto de un conjunto de números estrictamente positivos.
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.

Fórmula de la media geométrica

La fórmula de la media geométrica es la siguiente:

Formula:

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.
Como ya hemos indicado este tipo de media es adecuada para calcular
variables en porcentaje o índices. Una de sus principales ventajas es que es
menos sensible a valores extremos (muy grandes o pequeños) que podrían alterar
la media de una muestra estadística. Por el contrario, su principal desventaja es
que no puede utilizarse con números negativos.
Ejemplo de media geométrica
Supongamos los resultados de una empresa. La empresa ha generado un
20% de rentabilidad el primer año, un 15% el segundo año, un 33% el tercer año y
un 25% el cuarto año. Lo fácil, en este caso sería sumar las cantidades y dividir
entre cuatro. Sin embargo, esto no es correcto.
Para calcular la media de varios porcentajes debemos hacer uso de la
media geométrica. Aplicado al caso anterior, tendríamos lo siguiente:
 El resultado es 1,23, que expresado en porcentaje es un 23%. Lo que
quiere decir que, en promedio, cada año la empresa ha ganado un 23%. Dicho de
otra forma, si cada año hubiese ganado un 23%, hubiera ganado lo mismo que
ganando un 20% el primer año, un 15% el segundo, un 33% el tercero y un 25% el
último año.
NOTA: Si las rentabilidades fueran negativas, no se pondrían números
negativos. Si la rentabilidad es del -20%, el número a multiplicar sería 0,80. Si la
rentabilidad es del -5%, el número a multiplicar sería 0,95. En conclusión si las
rentabilidades son positivas, a uno le sumamos el porcentaje en tanto por uno.
Mientras que, si las rentabilidades o porcentajes son negativos, a 1 le restamos el
porcentaje en tanto por uno (López J. F., economipedia.com, 2022).

2.2.7- MEDIA ARMÓNICA

La media armónica es igual al número de elementos de un grupo de cifras

entre la suma de los inversos de cada una de estas cifras.
En otras palabras, la media armónica es una medida estadística recíproca a
la media aritmética, que es la suma de un conjunto de valores entre el número de
observaciones.
Fórmula de la media armónica
La fórmula de la media armónica (H) de un conjunto de números x1, x2, x3,
…, xn, es la siguiente:

Cabe destacar que N es el número de elementos sobre los cuales se

calcula la media.
Este tipo de media suele utilizarse, principalmente, en velocidades, tiempos,
o en el área de la electrónica. Sin embargo, su uso no está muy extendido en otras
disciplinas.
Debemos tener en cuenta que esta presenta ciertas desventajas, como que
no puede calcularse si una de las observaciones es igual a cero. Es decir, ninguno
de los elementos puede ser nulo.
Asimismo, resulta interesante señalar que tiene menos sensibilidad o
presenta un menor impacto ante números altos, sucediendo lo opuesto con
valores pequeños. Esto es porque el inverso de 100, por ejemplo, es 0,001, pero
el de 5 es 0,2. Así, cuanto más grande sea una observación, menos influirá en el
resultado, y lo contrario sucederá si la observación se acerca a cero.
Ejemplo de media armónica
Ejemplo de cómo se calcula:
Supongamos que una persona decide salir a correr 10km. Los primeros 2
km corre a 15 km/h, los siguiente 2km, a 17 km/h, los siguientes 2km, a 14 km/h, y
los otros dos tramos de 2km, a 13 km/h y 12 km/h, respectivamente.
En este ejemplo, la media armónica se calcularía de la siguiente manera
(Westreicher, 2021):

2.2.8- MEDIA CUADRÁTICA

La media cuadrática es una medida de posición central de la estadística

descriptiva. La media cuadrática es igual a la raíz cuadrada de la media aritmética
de los cuadrados de los datos.
La media cuadrática también se llama valor cuadrático medio, raíz de la
media cuadrática o RMS (del inglés root mean square).

La fórmula de la media cuadrática es la siguiente:

La media cuadrática resulta especialmente útil

cuando la variable estadística toma valores positivos y negativos, ya que al hacer
el cuadrado de cada dato todos los valores se convierten en positivo. Por lo tanto,
la media cuadrática se utiliza para analizar aquellas variables en las que el signo
no es importante, sino su valor absoluto.
Por ejemplo, la media cuadrática sirve para estudiar errores de medida,
porque en estos casos no nos interesa saber si el error es positivo o negativo, sino
que queremos analizar cuánto de grande es el error cometido al medir.
 Además, los cuadrados de números grandes tienen valores mucho más
altos que los cuadrados de números pequeños, por lo que en la media cuadrática
los números grandes tienen más importancia que los números pequeños.
La media cuadrática es un tipo de media estadística junto con la media
aritmética, la media ponderada, la media geométrica y la media armónica

Cómo calcular la media cuadrática

Para calcular la media cuadrática se deben hacer los siguientes pasos:

° Calcular el cuadrado de cada dato estadístico.
° Sumar todos los cuadrados calculados en el paso anterior.
° Dividir el resultado entre el número de datos de la muestra.
° Hallar la raíz cuadrada del valor anterior.
° El resultado obtenido es la media cuadrática de la muestra estadística.
Ejemplo de la media cuadrática
Una vez sabemos cómo se saca la media cuadrática, vamos a determinar
la media cuadrática de un conjunto de datos a modo de ejemplo.
En una clase de laboratorio de la universidad, el profesor pide hacer un
experimento con sustancias químicas a sus alumnos. El objetivo del experimento
químico es conseguir una disolución de 3 litros en total. Los grupos de alumnos
han obtenido los siguientes datos:

Para poder estudiar los datos estadísticos obtenidos, se procede a calcular

el valor de la media cuadrática con el error obtenido por cada grupo. Entonces,
aplicamos la fórmula de la media cuadrática:

Y sustituimos los datos en la fórmula y hacemos el cálculo de la media

cuadrática:

De modo que el promedio del error obtenido en el experimento, según la

media cuadrática, es de 0,88 litros (www.probabilidadyestadistica.net,
www.probabilidadyestadistica.net, 2022).
 2.3- ASIMETRÍA DE UNA CURVA DE FRECUENCIA POR
MEDIO DE LA RELACIÓN ENTRE LA MEDIA, MEDIANA Y MODA

2.3.1- ASIMETRÍA O SESGO NEGATIVOS

¿Qué es la asimetría negativa?

En estadística, se dice que una distribución tiene asimetría negativa cuando
su gráfica tiene la cola de la izquierda más larga que la de la derecha.
Es decir, una distribución asimétrica negativa significa que tiene más
valores distintos a la izquierda de la media.

Ejemplo de asimetría negativa

Si te fijas en la gráfica, hay más valores a la izquierda de la media que a su

derecha, por lo tanto, la curva tiene asimetría negativa.
Cómo determinar la asimetría negativa
Tradicionalmente, se ha explicado que, si la media es menor que la
mediana, la distribución posee asimetría negativa. Sin embargo, esta propiedad no
se cumple siempre. Así que para determinar la asimetría de una distribución se
debe calcular el coeficiente de asimetría de Fisher.
El coeficiente de asimetría de Fisher se calcula mediante la siguiente
fórmula:

O, equivalentemente

Donde E es la esperanza matemática, \mu la media aritmética y \sigma la

desviación estándar.
El signo del coeficiente de Fisher permite determinar la asimetría de la
distribución:
Si el coeficiente de asimetría de Fisher es negativo, la distribución es
asimétrica negativa (www.probabilidadyestadistica.net,
www.probabilidadyestadistica.net, 2022).
Si el coeficiente de asimetría de Fisher es positivo, la distribución es
asimétrica positiva.
Si la distribución es simétrica, el coeficiente de asimetría de Fisher es igual
a cero (el recíproco no es cierto).

2.3.2- ASIMETRÍA O SESGO POSITIVOS

¿Qué es la asimetría positiva?

En estadística, la asimetría positiva es una característica que poseen las
distribuciones de probabilidad que en su gráfica tienen la cola de la derecha más
larga que la de la izquierda.
Es decir, una distribución con asimetría positiva significa que tiene más
valores diferentes a la derecha de la media.

Ejemplo de asimetría positiva

Ejemplo de distribución con asimetría positiva:
 La curva tiene asimetría positiva porque hay muchos más valores a la
derecha de la media que a su izquierda. Como puedes ver en el gráfico, la barra
representada de color verde es mucho más grande que la barra de color naranja.
Cómo saber si es asimetría positiva
Tradicionalmente, se ha explicado que, si la media es mayor que la
mediana, entonces la distribución tiene asimetría positiva. Sin embargo, esta
propiedad no se cumple siempre. Así que para determinar la asimetría de una
distribución se debe calcular el coeficiente de asimetría de Fisher.
El coeficiente de asimetría de Fisher se calcula con la siguiente fórmula

O, equivalentemente:

Donde E es la esperanza matemática, \mu la media aritmética y \sigma la

desviación estándar.
El signo del coeficiente de Fisher permite determinar la asimetría de la
distribución:
Si el coeficiente de asimetría de Fisher es positivo, la distribución es
asimétrica positiva.
Si el coeficiente de asimetría de Fisher es negativo, la distribución es
asimétrica negativa.
Si la distribución es simétrica, el coeficiente de asimetría de Fisher es igual
a cero (el recíproco no es cierto) (www.probabilidadyestadistica.ne, 2022)

2.3.3- SIMETRÍCA

Una matriz simétrica es una matriz cuadrada cuya traspuesta es igual a la

propia matriz.
 A^t = A
Donde A^t representa la matriz transpuesta de A.

Ejemplos de matrices simétricas

ejemplos de matrices simétricas para acabarlo de entender:

Ejemplo de matriz simétrica de orden 2×2

Ejemplo de matriz simétrica de dimensión 3×3

Ejemplo de matriz simétrica de tamaño 4×4

Al trasponer estas tres matrices se comprueba que son simétricas, porque

las matrices traspuestas son equivalentes a sus respectivas matrices originales.
 Propiedades de las matrices simétricas
Las características de las matrices simétricas son las siguientes:

° La suma (o resta) de dos matrices simétricas da como resultado otra

matriz simétrica. Ya que la transposición dos matrices sumadas (o restadas) es
equivalente a transponer cada matriz por separado:

° Cualquier matriz simétrica multiplicada por un escalar también da lugar a

otra matriz simétrica.
° Del mismo modo, el producto matricial entre dos matrices simétricas no
siempre es igual a otra matriz simétrica, tan solo si, y solo si, las dos matrices se
pueden conmutar. Esta condición se puede demostrar con la propiedad de la
multiplicación de la matriz traspuesta:
° La potencia de una matriz simétrica da
lugar a otra matriz simétrica, siempre y cuando el exponente sea un número
entero.
° Evidentemente, la matriz Unidad y la matriz Nula son ejemplos de
matrices simétricas.
° Una matriz que es congruente con una matriz simétrica debe ser también
simétrica.
° Si una matriz simétrica es regular o invertible, entonces su matriz inversa
también es simétrica.
° Lo mismo sucede con la adjunta de una matriz simétrica: la matriz adjunta
de una matriz simétrica da como solución otra matriz simétrica.
° Una matriz simétrica real es a la vez una matriz normal.
° Como las matrices simétricas son un caso particular de las matrices
hermitianas, todos los autovalores (o valores propios) de una matriz simétrica son
números reales.
° El teorema espectral nos dice que todas las matrices cuyos elementos
sean reales son matrices diagonalizables y, además, la diagonalización se realiza
mediante una matriz ortogonal. Por lo tanto, todas las matrices simétricas reales
se diagonalizan ortogonalmente.
° Por otro lado, las matrices simétricas con números complejos se pueden
diagonalizar a través de una matriz unitaria.
° La matriz Hessiana siempre es simétrica
(www.matricesydeterminantes.com, 2022).

RESUMEN
CONCLUSIÓN
 BIBLIOGRAFÍA

aprendiendoadministracion.com. (27 de 07 de 2022).

aprendiendoadministracion.com. aprendiendoadministracion.com:
https://aprendiendoadministracion.com/medidas-de-tendencia-central-
media-mediana-moda-rango-y-eje-medio/
López, j. F. (05 de 04 de 2020). economipedia.com. economipedia.com:
https://economipedia.com/definiciones/media-ponderada.html
López, J. F. (05 de 04 de 2020). economipedia.com. economipedia.com:
https://economipedia.com/definiciones/media-aritmetica.html
López, J. F. (07 de 04 de 2022). economipedia.com. economipedia.com:
https://economipedia.com/definiciones/media-geometrica.html
Sanjuán, F. J. (20 de 04 de 2019). economipedia.com. economipedia.com:
https://economipedia.com/definiciones/mediana.html
Westreicher, G. (03 de 03 de 2021). economipedia.com. economipedia.com:
https://economipedia.com/definiciones/media-armonica.html
www.euroinnova.mx. (26 de 07 de 2022). www.euroinnova.mx.
www.euroinnova.mx: https://www.euroinnova.mx/blog/medidas-de-
tendencia-central-y-dispersion
www.matricesydeterminantes.com. (27 de 07 de 2022).
www.matricesydeterminantes.com. www.matricesydeterminantes.com:
https://www.matricesydeterminantes.com/matrices/tipos-de-matrices/matriz-
simetrica-ejemplos-y-propiedades/
www.probabilidadyestadistica.ne. (27 de 07 de 2022).
www.probabilidadyestadistica.ne. www.probabilidadyestadistica.ne:
https://www.probabilidadyestadistica.net/asimetria-positiva/
www.probabilidadyestadistica.net. (27 de 07 de 2022).
www.probabilidadyestadistica.net. www.probabilidadyestadistica.net:
https://www.probabilidadyestadistica.net/moda-estadistica/
www.probabilidadyestadistica.net. (27 de 07 de 2022).
www.probabilidadyestadistica.net. www.probabilidadyestadistica.net:
https://www.probabilidadyestadistica.net/media-cuadratica/#:~:text=La
%20media%20cuadr%C3%A1tica%20es%20una%20medida%20de
%20posici%C3%B3n,o%20RMS%20%28del%20ingl%C3%A9s%20root
%20mean%20square%20%29.
www.probabilidadyestadistica.net. (27 de 07 de 2022).
www.probabilidadyestadistica.net. www.probabilidadyestadistica.net:
https://www.probabilidadyestadistica.net/asimetria-negativa/#:~:text=
%C2%BFQu%C3%A9%20es%20la%20asimetr%C3%ADa%20negativa
%3F%20En%20estad%C3%ADstica%2C%20se,valores%20distintos%20a
%20la%20izquierda%20de%20la%20media.
www.studocu.com. (26 de 07 de 2022). www.studocu.com. www.studocu.com:
https://www.studocu.com/co/document/fundacion-universitaria-del-area-
andina/estadistica/medidas-de-tendencia-central-y-dispersion/28449307