Lic. (Esp.) Lila V.

Lugo G
 Las medidas no compiten entre sí, sino que
se complementan para proporcionar una
mejor descripción del conjunto de datos
MEDIDAS • Media Aritmética
DE
• Mediana
TENDENCIA
CENTRAL • Moda

• Desviación Media
MEDIDAS DE • Desviación Típica o
DISPERSIÓN Estándar
• Varianza

MEDIDAS DE • Simetría
APUNTAMIENTO
• Curtosis
 Las medidas de distribución nos permiten identificar la
forma en que SE SEPARAN O AGLOMERAN los
valores de acuerdo a su representación gráfica.
 Estas medidas describen la manera como los datos
TIENDEN A REUNIRSE de acuerdo con la frecuencia
con que se hallen dentro de la información.
Su utilidad radica en la posibilidad de identificar las
características de la distribución sin necesidad de
generar el gráfico.

Sus principales medidas son la Asimetría y la Curtosis.

 Esta medida nos permite identificar si los datos se
distribuyen de forma uniforme alrededor del punto
central (Media aritmética).
 La asimetría presenta tres estados diferentes:
Se dice que la Asimetría es Positiva cuando la mayoría de los
datos se encuentran por encima del valor de la media aritmética
La curva es Simétrica cuando se distribuyen aproximadamente
la misma cantidad de valores en ambos lados de la media
Se conoce como Asimetría Negativa cuando la mayor cantidad
de datos se aglomeran en los valores menores que la media.

 Los resultados de esta ecuación se
interpretan:
(g1 = 0): Se acepta que la distribución es Simétrica,
es decir, existe aproximadamente la misma
cantidad de valores a los dos lados de la media.
Este valor es difícil de conseguir por lo que se
tiende a tomar los valores que son cercanos ya sean
positivos o negativos (± 0.5).
(g1 > 0): La curva es asimétricamente positiva por
lo que los valores se tienden a reunir más en la
parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por
lo que los valores se tienden a reunir más en la
parte derecha de la media.

 Esta medida determina el grado de
concentración que presentan los valores en la
región central de la distribución
 Por medio del Coeficiente de Curtosis, podemos
identificar si existe:
◦ una gran concentración de valores (Leptocúrtica)
◦ una concentración normal (Mesocúrtica)
◦ una baja concentración (Platicúrtica)

 Cuando la distribución de los datos cuenta con un
coeficiente de asimetría (g1 = ±0.5) y un coeficiente
de Curtosis de (g2 = ±0.5), se le denomina Curva
Normal.
 Este criterio es de suma importancia ya que para la
mayoría de los procedimientos de la estadística de
inferencia se requiere que los datos se distribuyan
normalmente.
 La principal ventaja de la distribución normal radica
en el supuesto que el 95% de los valores se
encuentra dentro de una distancia de dos
desviaciones estándar de la media aritmética
Li Lf xi fi Fi xi.fi (xi-x)^2*fi (xi-x)^3*fi (xi-x)^4*fi
150 155 152,50 7 7 1067,50 2513,72 -47634,95 902682,24
156 161 158,50 12 19 1902,00 2012,43 -26060,97 337489,54
162 167 164,50 19 38 3125,50 917,75 -6378,35 44329,50
168 173 170,50 35 73 5967,50 31,59 -30,01 28,51
174 179 176,50 20 93 3530,00 510,05 2575,75 13007,55
180 185 182,50 18 111 3285,00 2197,85 24286,19 268362,37
186 191 188,50 9 120 1696,50 2616,32 44608,30 760571,49
120 20574,00 10799,70 -8634,03 2326471,20

171,45 9,49 90,00 CV= 5,53

Li Lf xi fi Fi xi.fi (xi-x)^2*fi (xi-x)^3*fi (xi-x)^4*fi

150 155 152,50 8 8 1220,00 2872,82 -53582,63 1010032,63

156 161 158,50 12 20 1902,00 2012,43 -25461,89 327185,28

162 167 164,50 18 38 2961,00 869,44 -5785,54 39630,98

168 173 170,50 32 70 5456,00 28,88 -19,65 16,70

174 179 176,50 25 95 4412,50 637,56 3414,77 17586,08

180 185 182,50 17 112 3102,50 2075,74 23565,33 262753,43

186 191 188,50 8 120 1508,00 2325,62 40353,61 692064,36

120 20562,00 10822,50 -17516,01 2349269,46

171,35 9,50 90,19 CV= 5,54

 Lo que se oye se olvida.
Lo que se ve se recuerda.
Lo que se hace se aprende.

Proverbio chino
Nunca consideres el estudio como
una obligación, sino como una
oportunidad para penetrar en el
bello y maravilloso mundo del saber.

Albert Einstein
(1879-1955)