Investigacion Estadistica

Instituto Tecnológico Superior de Felipe Carrillo Puerto
Tecnológico Nacional de México

Campus Felipe Carrillo Puerto
Ingeniería en Administración
Asignatura
Estadística I
SEMESTRE FEBRERO – JULIO 2022
Profesora:
Ing. Pamela Yareli Perera Maldonado
Alumno (s):
Chan Canul Sheyla
Grupo: Semestre:
2A “ 3”
Felipe Carrillo Puerto a 5 de septiembre del 2022
Carretera Vigía Chico K m 1.5, Felipe Carrillo Puerto, Quintana R oo, México,
C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx
tecnm.mx | carrillopuerto.tecnm.mx
INVESTIGACION DE LAS MEDIDAS DE DISPERSION Y TENDENCIA

CENTRAL
Por introducción tenemos que las medias de tendencia central o posición nos
indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de
dispersión, variabilidad o variación nos indican si esos datos están próximos entre
sí o sí están dispersos, es decir, nos indican cuán esparcidos se encuentran los
datos. Estas medidas de dispersión nos permiten apreciar la distancia que existe
entre los datos a un cierto valor central e identificar la concentración de los mismos
en un cierto sector de la distribución, es decir, permiten estimar cuán dispersas
están dos o más distribuciones de datos. Estas medidas permiten evaluar la
confiabilidad del valor del dato central de un conjunto de datos, siendo la media
aritmética el dato central más utilizado. Cuando existe una dispersión pequeña se
dice que los datos están dispersos o acumulados cercanamente respecto a un valor
central, en este caso el dato central es un valor muy representativo. En el caso que
la dispersión sea grande el valor central no es muy confiable. Cuando una
distribución de datos tiene poca dispersión toma el nombre de distribución
homogénea y si su dispersión es alta se llama heterogénea.
Las medidas de tendencia central se utilizan con bastante frecuencia para

resumir un conjunto de cantidades o datos numéricos a fin de describir los datos
cuantitativos que los forman.
Ejemplos de ello, pueden ser: la edad promedio o la estatura promedio de los

estudiantes de la universidad o el peso promedio de las bolsas de cereal que son
llenadas por una determinada máquina en un proceso de producción o las ventas
de un negocio
Media.
La media es la sumatoria de los n valores, entre los n valores.
La fórmula para calcular es la siguiente:
Para un grupo de datos agrupados:
Donde:
Equis testada = es la media,
Sumatoria de x = la suma de todos y cada uno de los valores,
n = el número total de valores.
Para una distribución de frecuencias:
Es la sumatoria del producto de la frecuencia por su marca de clase, entre los N

valores.
Donde:
Equis testada = la media de la distribución de frecuencias,
Sumatoria fx = es la suma del producto de la frecuencia por la marca de clase,
N = el número total de valores.
Ejemplo: Un entrenador de pista debe decidir a cuál de dos corredores debe elegir
para la próxima competencia de 100 metros planos. El entrenador basará su
decisión en los resultados de cinco carreras entre los dos corredores, realizadas
con intervalos de descanso de 15 minutos. A continuación, se dan los tiempos
registrados en las cinco carreras (en segundos):
Atleta 1 2 3 4 5
Daniel 12.5 12.1 11.7 16.9 12.9
Jaime 12.8 12.5 11.9 12.8 12.6
Calculamos la media, con base en la fórmula de media:
Para Daniel:
= 12.5 + 12.1+11.7+16.9+12./ 5 = 13.22
Para Jaime:
= 12.8 + 12.5 + 11.9 + 12.8 + 12.6 / 5 = 12.45
Mediana.
Es la medida de tendencia central que divide al conjunto de datos, considerando

que están ordenados de menor a mayor, en dos partes iguales.
Pasos para calcularla:
Si la n es impar
a. Se ordenan los datos de menor a mayor, o viceversa.
b. Se calcula el subíndice (n + 1) / 2
c. En los datos ordenados se busca el dato x (n + 1)/2 es decir, aquel cuyo
subíndice corresponda al subíndice calculado.
si la n es par
a. Se ordenan los datos de menor a mayor, o viceversa.

b. Se toman los datos centrales con subíndice centrales n/2 y n/ 2 + 1, se suman
xn/2 y xn/2 + 1 y se divide entre 2.
Ejemplo: Los siguientes datos representan las esperanzas de vida de una muestra
aleatoria de países del mundo.
69 60 66 67 51
74 51 66 70 72
51 73 54 59 67
52 53 60 74 59
69 47 75 71 41
73 47 76 68
Como observas, son n = 29 datos, lo que quiere decir que tenemos dato impar,
aplicamos los pasos del apartado 1.4.2.1.
a. 41 47 47 51 51 51 52 53 54 59 59 60 60 66 66 67 67 68 69 69 70 71 72 73
73 74 74 75 76
b. n + 1/2 = 29 + 1 / 2 = 30 / 2 = 15
c. La mediana es el dato que ocupa el lugar 15 del inciso a), que es 66.
Moda
Otra de las medidas utilizadas es la moda, que es el valor que ocurre con mayor
frecuencia en cualquier distribución de datos, ya sean cualitativos y cuantitativas.
Retomando el ejemplo del apartado 1.4.2.1, el dato que ocurre con mayor frecuencia
es el 51.
La moda es 51
Media ponderada
Se denomina media ponderada de un conjunto de números al resultado de

multiplicar cada uno de ellos por un valor particular para cada uno de los mismos,
llamado su peso, obteniendo a continuación la suma de estos productos, y
dividiendo el resultado de esta suma de productos entre la suma de los pesos más
la masa, según la característica de cada número inicial. Este "peso" depende de la
importancia o significancia de cada uno de los valores.
Para una serie de datos:
X = { x1, x2, ..., xn}
a la que corresponden los pesos:
W = { w1, w2, ..., wn}
la media ponderada se calcula como:
Un ejemplo es la obtención de la media ponderada de las notas de una oposición

en la que se asigna distinta importancia (peso) a cada una de las pruebas de que
consta el examen.
Ejemplo:
Considera los siguientes datos
w x
100 34
50 37
200 35
Media ponderada = 34 (100) + 37(50) + 35(200) / 100+ 50 + 200 = 35
Media ponderada = 35
Media geométrica.
La media geométrica de una cantidad finita de números (digamos n números) es la

raíz n-ésima del producto de todos los números.
Sólo es relevante la media geométrica si todos los números son positivos. Si uno de
ellos es 0, entonces el resultado es 0. Si hay un número negativo (o una cantidad
impar de ellos) entonces la media geométrica es, o bien negativa o bien inexistente
en los números reales.
Ejemplo:
1. Se tienen los siguientes datos: 8 y 9. Se desea calcular cuál es valor de la

media geométrica.
Se multiplican entre sí los dos datos y posteriormente se les calcula la raíz
cuadrada (porque son dos datos, por lo tanto, el subíndice de la raíz es n =
2)
Media geométrica = raíz cuadrada (8)(9) = raíz cuadrada 72 = 8.48
Media geométrica = 8.48
2. Calcula la media geométrica de los siguientes tres datos 4, 5, 7.
Media geométrica = raíz cúbica (4)(5)(7) = raíz cúbica 140 = 5.19
Media geométrica = 5.19
Rango.
Es la medida de variación más simple, y se obtiene con la diferencia que existe entre
el dato mayor (DM) del conjunto con el dato menor (dm) del mismo.
Rango de una muestra R = DM - dm
Ejemplo: Considérese los siguientes conjuntos de datos:
2 2 2 2 2 3 4 4 4 4 4 4 4 4 4 5 6 10
R = 10 - 2 = 8
Varianza
De un conjunto de n datos de una muestra es:
Dónde: n = número de datos
x = valor de cada uno de los datos
s2 = Varianza
Ejemplo:
Para los siguientes datos, calcular la variación.
22 23 24 24 24 26 27 29 34 35
Con base en la fórmula de varianza debemos de identificar los parámetros que

tenemos que calcular.
Primero, calculamos la media:
Segundo, encontramos los demás parámetros de la fórmula:
Tercero, sustituimos los valores en la fórmula:
1. s2 = 185.6 / 10-1 = 20.62

2. s2 = 20.62
Desviación estándar
De un conjunto de n datos de una muestra es:
Ejemplo:
Retomando el ejemplo 1 del apartado 1.5.2, ahora calculamos la desviación
estándar:
 Solamente al despejar la potencia obtenemos la raíz cuadrada de la varianza:
s= 4.54
Cuanto mayor es la desviación estándar, mayor dispersión hay en los datos del
proceso. Una desviación estándar más pequeña significa mayor consistencia,
previsibilidad y calidad.
La desviación típica es la raíz cuadrada de la varianza.
Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de

desviación.
La desviación típica se representa por .
Ejemplo
Calcular la desviación típica de la distribución:
Calculamos la media aritmética
Sustituimos en la fórmula de la desviación típica
Desviación típica para datos agrupados
Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son
equivalentes a las anteriores.
Ejemplo
Calcular la desviación típica de la distribución de la tabla:
Hemos añadido la columna porque queremos hallar su sumatoria ,
que después dividiremos por para obtener la media
Hemos añadido la columna porque queremos hallar su
sumatoria , que después dividiremos por y al resultado le
restaremos la media aritmética al cuadrado , y por último haremos la

raíz cuadrada del resultado obtenido
La desviación media, también llamada desviación absoluta promedio, es una

medida de dispersión estadística.
La desviación media de un conjunto de datos es la media de las

desviaciones absolutas, por lo tanto, la desviación media es igual al sumatorio
de las desviaciones de cada dato respecto a la media aritmética dividido entre el
número total de datos.
Es decir, la fórmula de la desviación media es la siguiente:
Puedes usar la calculadora que hay más abajo para calcular la desviación
media de cualquier conjunto de datos.
En estadística, la desviación media también se llama desviación media absoluta.
La interpretación de la desviación media se hace de la siguiente manera: cuanto

mayor sea el valor de la desviación media significa que más lejos están, en
promedio, los datos de la media aritmética, en cambio, cuanto más pequeña sea la
desviación media implica que más juntos están los datos. De manera que la
desviación media indica la dispersión de una serie de datos.
Las otras medidas que se consideran de dispersión son el rango, el rango

intercuartílico, la desviación típica (o desviación estándar), la varianza y el
coeficiente de variación.
Cómo calcular la desviación media
Para calcular la desviación media de una serie de datos se deben hacer los
siguientes pasos:
1. Calcular la media aritmética del conjunto de datos estadísticos.
2. Calcular la desviación de cada dato respecto a la media, definido como el

valor absoluto de la diferencia entre el dato y la media.
3. Sumar todas las desviaciones calculadas en el paso anterior.
4. Dividir entre el número total de datos. El resultado obtenido es la desviación

media de la serie de datos.
Conclusión
La dispersión o variabilidad es una característica muy importante de un conjunto de

datos. Por ejemplo, si se fabrica un medicamento donde la variación en la dosis es
muy grande, esto implica que un alto porcentaje de dosis será desechado por ser
un factor de riesgo para la salud; o si un grupo de analistas financieros detecta
ganancias ampliamente dispersas (que van de valores muy pequeños a
valores extremadamente grandes), éstas serán un indicador del riesgo que existe
para los accionistas y para los acreedores. Estos casos son más llamativos que
aquellos donde las ganancias permanecen relativamente estables. Pero, ¿por qué
es importante la dispersión o variabilidad?
Porque proporciona información adicional que permite juzgar la confiabilidad de

nuestra medida de tendencia central, ya que, si los datos se encuentran muy
dispersos, entonces la dispersión o variabilidad que existe entre ellos será muy
grande; sin embargo, si son un conjunto estrecho, la variabilidad será muy pequeña.
Y la media tendrá una mayor exactitud al ser tomada como medida de tendencia
central.
Fuentes de Información
E, M. (2006). Historia de un numero. Mexico: Pearson Mexico.

Juarez, N. (5 de enero de 2001). stu.Docu. Obtenido de stu.Ducu: Proyecto Calculo Series
Y Sucesiones - DEPARTAMENTO DE MATEMÁTICAS. TEMA: ESTADISTICA -
StuDocu
Lay, D. (2001). ESTADISTICA FINANCIERA. Mexico: Progreso.
Mendez. (2 de enero de 2011). somos uni. Obtenido de somos uni:
https://www.gestiopolis.com/herramientas-de-administracion-de-proyectos/

Investigacion Estadistica

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Estadistica

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnológico Superior de Felipe Carrillo Puerto

Tecnológico Nacional de México

SEMESTRE FEBRERO – JULIO 2022

Felipe Carrillo Puerto a 5 de septiembre del 2022

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

INVESTIGACION DE LAS MEDIDAS DE DISPERSION Y TENDENCIA

Las medidas de tendencia central se utilizan con bastante frecuencia para

Ejemplos de ello, pueden ser: la edad promedio o la estatura promedio de los

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

La media es la sumatoria de los n valores, entre los n valores.

La fórmula para calcular es la siguiente:

Para un grupo de datos agrupados:

Equis testada = es la media,

Sumatoria de x = la suma de todos y cada uno de los valores,

n = el número total de valores.

Para una distribución de frecuencias:

Es la sumatoria del producto de la frecuencia por su marca de clase, entre los N

Equis testada = la media de la distribución de frecuencias,

Sumatoria fx = es la suma del producto de la frecuencia por la marca de clase,

N = el número total de valores.

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

Daniel 12.5 12.1 11.7 16.9 12.9

Jaime 12.8 12.5 11.9 12.8 12.6

Calculamos la media, con base en la fórmula de media:

= 12.5 + 12.1+11.7+16.9+12./ 5 = 13.22

= 12.8 + 12.5 + 11.9 + 12.8 + 12.6 / 5 = 12.45

Es la medida de tendencia central que divide al conjunto de datos, considerando

Pasos para calcularla:

a. Se ordenan los datos de menor a mayor, o viceversa.

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

a. Se ordenan los datos de menor a mayor, o viceversa.

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

Se denomina media ponderada de un conjunto de números al resultado de

Para una serie de datos:

X = { x1, x2, ..., xn}

a la que corresponden los pesos:

W = { w1, w2, ..., wn}

la media ponderada se calcula como:

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

Un ejemplo es la obtención de la media ponderada de las notas de una oposición

Considera los siguientes datos

Media ponderada = 34 (100) + 37(50) + 35(200) / 100+ 50 + 200 = 35

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

La media geométrica de una cantidad finita de números (digamos n números) es la

1. Se tienen los siguientes datos: 8 y 9. Se desea calcular cuál es valor de la

Media geométrica = raíz cuadrada (8)(9) = raíz cuadrada 72 = 8.48

Media geométrica = 8.48

2. Calcula la media geométrica de los siguientes tres datos 4, 5, 7.

Media geométrica = raíz cúbica (4)(5)(7) = raíz cúbica 140 = 5.19

Media geométrica = 5.19

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

Rango de una muestra R = DM - dm

Ejemplo: Considérese los siguientes conjuntos de datos:

De un conjunto de n datos de una muestra es:

Dónde: n = número de datos

x = valor de cada uno de los datos

Para los siguientes datos, calcular la variación.

Con base en la fórmula de varianza debemos de identificar los parámetros que

Primero, calculamos la media:

C.P. 77200, Tel. (83) 267-10-48, e-mail: direccion@itscarrillopu erto.edu. mx

Segundo, encontramos los demás parámetros de la fórmula:

Tercero, sustituimos los valores en la fórmula: