Unidad 3

Medidas de Posición y
Centralización

Estadística E.S.O.
Objetivos

◊ De las diferentes medidas descriptivas de una distribución de frecuencias, que se presentan a lo largo
del tema, el alumno deberá comprender el interés y el objetivo de cada una de ellas; así mismo sabrá
aplicar su definición y manejar sus principales propiedades

◊ Todas ellas comparten el propósito común de servir de indicadores de la Posición (Central y No

Central) que ocupan un conjunto de datos. De esta forma, con su uso se aprenderá a “sintetizar o
resumir” la información contenida en un conjunto de datos indicando su POSICIÓN global

◊ Interpretar correctamente los valores obtenidos para estas medidas

◊ Diferenciar y elegir aquella medida - de entre las alternativas presentadas - que resulte más
conveniente para describir los aspectos que se pretenden poner de manifiesto.
 Índice

1.- Introducción

2.- Medidas de Posición

2.1- Medidas de tendencia central

Media aritmética, geométrica y ponderada, Mediana y Moda

2.2.- Medidas no centrales

Cuantiles: Cuartiles, deciles, percentiles
 1 Introducción

Un objeto pequeño se pesa con un mismo instrumento por ocho

estudiantes de una clase, obteniéndose los siguientes valores
en gramos:
6´2, 6´0, 6´0, 6´3, 6´1, 6´23, 6´15, 6´2
¿Cuál sería la mejor estimación del peso real?

¿Cómo determinar, a partir de un conjunto de medidas x1, x2 , ...,

xn la mejor estimación posible del verdadero valor X desconocido?
1 Introducción

¿Cuál sería la mejor estimación del peso real?

No tenemos ninguna razón para pensar que el verdadero valor esté

más cercano a uno u otro de los datos obtenidos.

¿6´1475?  (6´2 + 6´0 + 6´0 + 6´3 + 6´1 + 6´23 + 6´15 + 6´2) /

8
¿6´0 ,6´2?  Valores que más se repiten
¿6´15 – 6´2?  6´0, 6´0, 6´1, 6´15, 6´2, 6´2, 6´23, 6´3
1 Introducción

◊ Las Medidas de Posición van a desvelar aquellos valores

con respecto de los cuales, los datos suelen disponerse.

◊ Son magnitudes que pueden considerarse como “representativas” del

grueso de los datos, sirviendo de referencia a los mismos
◊ Se clasifican en:
◊ Medidas de centralización
◊ Medidas de posición no centrales

Unidad 2: Medidas de Posición

1 Introducción

M e d id a s d e p o s ic io n n o c e n t r a le s

C u a n t ile s

C u a r t ile s D e c ile s P e r c e n t ile s

Recordar…

Distribución de Frecuencias
2.1.1.- Medida Aritmética

Definición

En un conjunto de datos agrupados: {(xi , ni); i=1,...,k}

N = n1 + n2 + ... + nk: el número de datos observados

Se define la Media Aritmética por

1 k k
x   xi  ni   xi  f i
N i 1 i 1
2.1.1.- Medida Aritmética
Cálculo Variables cuantitativas discretas o no agrupadas

1 k k
x    xi  ni   xi  f i
N i 1 i 1

Variables
cuantitativas
continuas o
agrupadas
xi serán marcas de
clase

Variables cualitativas no
tiene sentido
2.1.1. Media Aritmética

Ejemplo: Estaturas de 50 niños. Fuente: Peña y Romo 1997.

2.1.1.- Medida Aritmética

Ejemplo: Estaturas de 50 niños. Fuente: Peña y Romo 1997.

Los niños tienen una

estatura media de
1,569 m
2.1.1.- Medida Aritmética

Ejercicio:
2.1.1.- Medida Aritmética

Ejercicio:
2.1.2.- Medida Aritmética Ponderada

Media aritmética en la que se tiene en cuenta la importancia específica

de cada uno de sus datos, a través de unos pesos, dando así a éstos
mayor o menor relevancia o aportación al cálculo de la media.

Ejemplo: Las notas obtenidas por un estudiante en cada parte de una

determinada materia, así como los pesos de importancia de las distintas
unidades, son los que se presentan en la tabla.
2.1.2.- Medida Aritmética Ponderada

Definición

En un conjunto de datos agrupados: {(xi , ni); i=1,...,k}

N = n1 + n2 + ... + nk: el número de datos observados

Sean {wi; i=1,...,k} un conjunto de pesos que ponderan la

importancia de cada uno de los datos observados, verificando que:
wi  0 para i =1,..., k
k

w x i i

Se define la Media Aritmética Ponderada por xw  i 1

k

w
i 1
i
 2.1.2.- Medida Aritmética Ponderada

Ejemplo
Calcular la nota media del ejemplo anterior
2.1.3.- Medida Geométrica

Definición: Sea X una variable cuantitativa medida en una escala

de razón y que sólo toma valores positivos. En la distribución de
frecuencias:
{(xi , ni); i=1,...,k}

Se define la Media Geométrica – la denotamos G - como:

Es útil para promediar tasas, porcentajes, tipos de interés y, en

general, en todas aquellas situaciones en las que la variable
analizada presente variaciones acumulativas

G  x x ...x
N n1
1
n2
2
nk
k
2.1.4 Mediana

Definición
La Mediana (Me) es aquél valor o dato de la distribución, que divide
a ésta en dos partes iguales dejando al 50% de las frecuencias por
debajo y al 50% por encima.

Ejemplo: valores observados de una variable : 2, 3, 3, 3, 5, 6, 6, 7 y 9

La mediana es 5, pues es el valor que deja el mismo número de datos (4) por
debajo que por encima de él.

Para su cálculo distinguiremos según tengamos distribuciones:

 Discretas
 Continuas o agrupadas
2.1.4 Mediana

Distribuciones discretas

Pasos a seguir en su cálculo:

Ordenamos de forma creciente los datos: x1  x2  ......  xN

Si m < N/2  m+1 con m entero Me = x(m+1)

Ejercicio: 2, 3, 3, 3, 5, 6, 6, 7 y 9  N / 2 = 4,5  4 < 4,5 < 5  Me = x(m+1) = x5 =5

2.1.4.- Mediana

Ejercicio: Distribuciones continuas o con variables agrupadas

Obtener la distribución de frecuencias

acumuladas

Identificar el Intervalo de Clase Mediano (Lm-

1,Lm]
Es el que verifica que:

Nm-1 < N/2  Nm ó Fm-1 < 0,50  Fm

y/o tomar la marca de clase

2.1.4.- Mediana

Identificar el Intervalo de Clase

Mediano
(Lm-1,Lm]

Es el que verifica que:

102 = Nm-1 < 105,2 = N/2  Nm =

150
ó
0,484 = Fm-1 < 0,50  Fm = 0,711

(100 – 120] o marca de clase =

110
2.1.5 Moda

Definición

La Moda (Mo) de una distribución de frecuencias es el valor más

frecuente de la misma.
Dependiendo del número de modas, las distribuciones se clasifican
en Unimodales, Bimodales o Multimodales.
Ejemplo: valores observados de una variable : 2, 3, 3, 3, 5, 6, 6, 7 y 9
La moda es 3, pues es el valor más frecuente.

Para su cálculo distinguiremos según tengamos distribuciones:

 Discretas
 Continuas o agrupadas
2.1.5 Moda

Distribuciones discretas
Se identifica el valor Mo = xm cuya frecuencia absoluta nm sea máxima
2.1.5 Moda

Distribuciones continuas o agrupadas

Como los valores de la variable están incluidos en intervalos de clase no es
posible identificar directamente el valor o valores centrales.

Pasos a seguir en su cálculo:

1. Obtener la densidad de frecuencia (dm=nm/am)

2. Identificar el Intervalo de Clase Modal (Lm-1,Lm]

Es el que maximiza dm y/o tomar la marca de clase
 2.1.5.- Moda

Ejercicio:

Obtener la distribución de densidades de

frecuencias

Identificar el Intervalo de Clase Modal

(Lm-1,Lm]
Es el que maximiza la densidad de
frecuencias
Tomar la marca de clase
2.1.5.- Moda

Identificar el Intervalo de Clase

Modal
(Lm-1,Lm]

Es el que verifica que maximiza

di = 2,4

(100 – 120] o marca de clase

=110
2.2.Cuantiles

Son aquellos valores de la variable, que ordenados de menor a

mayor, dividen a la distribución en partes, de tal manera que cada
una de ellas contiene el mismo número de frecuencias.

Los tipos más importantes de cuantiles son:

 Los cuartiles, que dividen a la distribución en cuatro partes

 Los deciles, que dividen a la distribución en diez partes
 Los percentiles, que dividen a la distribución en cien partes
2.2.Cuantiles

Definición
Para 0 ≤  (p) ≤ 1 se define el Cuantil de orden  (p) como el valor
de la variable o dato tal que el  x 100 de los datos son inferiores.
Lo denotamos Q (Qp)

Q70

Casos particulares notables son los: Percentiles, Cuartiles y Deciles

2.2.Cuantiles
Distribuciones discretas
Si m < N·p  m+1 con m entero entonces Qp = x(m+1)

Distribuciones Continuas o Agrupadas

Su aproximación se basa en un argumento idéntico al utilizado en el
cálculo de la Mediana para datos agrupados
2.2.- Cuantiles

Cuartiles: {Ci = Qi/4 i = 1, 2, 3}

 Primer Cuartil C1 ≡ Cuantil 0.25 (Q0.25)

 Segundo Cuartil C2 ≡ Cuantil 0.5 (Q0.5)
 Tercer Cuartil C3 ≡ Cuantil 0.75 (Q0.75)

Deciles: {Di = Qi/10 i = 1, ..., 9}

Percentiles: {Pi = Qi/100 i = 1, ...,99}

Ejemplo: En cualquier conjunto de datos: El percentil P95 es superado

únicamente por el 5% de los datos.
2.2.- Cuantiles

Ejemplo 1: El 15% de los españoles viven por debajo del umbral de pobreza.
¿Qué renta se considera “demasiado baja”? Percentil 15
Percentil 5 del peso

25
20
fre c u e n c ia

15
10
5
0 1 2 3 4 5

Peso al nacer (Kg) de 100 niños

Ejemplo 2: El colesterol se distribuye en la población simétricamente.

Supongamos que se consideran patológicos los valores extremos, de forma
que el 90% de los individuos son normales ¿Entre qué valores se encuentran
los individuos normales? Percentiles 5 y 95
Percentiles
Percentiles55yy95
95
2200
1155
frfreec cuueenncci ai a

1100
55
00

180 200 220 240 260

180 200 220 240 260
Colesterol en 100 personas
Colesterol en 100 personas
2.2.- Cuantiles

Ejemplo 1: Calcular el cuartil 2 y el percentil 95

Cuartil 2 = Percentil
50 = Mediana
2.2.- Cuantiles

Ejemplo 1: Calcular el cuartil 2 y el percentil 95

Percentil 95
¿Qué es lo que hemos visto?

M e d id a s d e p o s ic io n n o c e n t r a le s

C u a n t ile s

C u a r t ile s D e c ile s P e r c e n t ile s

Calcular para hombres / mujeres / total: 1 k k

 Salario medio x   xi  ni   xi  f i
 Mediana N i 1 i 1

 Moda
 Percentil 75, cuartil 3, decil 80