UNIVERSIDAD NACIONAL AGRARIA DE

LA SELVA
DPTO. ACADÉMICO DE CIENCIAS EXACTAS

Capítulo II

Medidas Estadísticas

Estadística General
 Población (N) Muestra (n)
CENSO Muestreo

Observaciones

Organización Gráficas Resumen

Barras Medidas de Tendencia Central

Tablas de Frecuencias Media, mediana, moda
Pie
Varas
Histogramas Medidas de Dispersión
BoxPlot Variancia. Desviación Estándar, CV

Medidas de Asimetría
Coeficiente de Asimetría

2
3
Medidas estadísticas
 Medidas de Tendencia: media aritmética
simple, media aritmética ponderada, media,
mediana y moda.
 Cuantiles o Fractiles: Cuartiles, Deciles y
Percentiles.
 Diagrama de Tallos y Hojas.
 Medidas de Variabilidad: rango, rango
intercuartil, variancia, desviación estándar,
coeficiente de variabilidad,.
 Medidas de Asimetría: coeficiente de asimetría
de Pearson.
 Diagrama de Cajas (Boxplot)
4
El promedio de notas es importante La media, el mejor dato

Preferencia por un sabor de helados

coco
15, 21.1%
v ainilla
22, 31.0%

fresa
5, 7.0%

naranja
7, 9.9% lúcuma
14, 19.7%
maracuy a
8, 11.3%

Moda : Vainilla es el sabor más preferido

5
¿CÓMO SE CALCULA CON …?
SPSS MINITAB

6
 MEDIDAS DE TENDENCIA

CUARTILES: Q1 = 2 Q2 = 2.5 Q3 = 3

MODA = 2
MEDIANA = 2.5
MEDIA = 2.9

9
8
8

7
Número de trabajadores

5
4
4
3
3
2 2
2
1
1

0
1 2 3 4 5 6
Número de Hijos

7
 Media Aritmética Simple
La media aritmética de un conjunto de observaciones es igual a la
suma de sus valores dividido entre el número de observaciones
1 N
Media Poblacional   Xj
N j 1
1 n
Media Muestral X  Xj
n j 1
Ejemplo 1 Suponga que se tiene los datos de las ventas semanales
(en dólares) de una muestra de 8 vendedores.
150, 120, 300, 280, 350, 250, 160, 280
8

x i
150  120  300  280  350  250  160  280 1890
x i 1
   236.3
8 8 8
8
Ejercicio 1
Los siguientes datos corresponden a una
muestra de 12 auditores sobre los gastos de
viáticos (nuevos soles) realizados en un mes.
Halle e interprete la media.

250.5 420.0 345.5 560.4 458.2

268.5 380.1 510.2
630.4 580.3 610.3 720.1

9
Propiedades de la media aritmética

1. Está afectada por valores extremos (altos o

pequeños).
2. Localiza la parte central de un conjunto de
observaciones.
3. Para un conjunto de observaciones la media es
única.
4. Si la media sustituye a cada observación, la
suma total no cambia.

10
Propiedades de la media aritmética
5. La suma de las desviaciones de las
observaciones con respecto al promedio es
igual a cero

 X 
n n

j  X  Xj n X  n X  n X  0
j 1 j 1
6. La suma de los cuadrados de las desviaciones
de las observaciones con respecto a la media es
mínima.

 X    X
n n
 c  , donde c  R
2 2
j X j
j 1 j 1
11
Media Aritmética Ponderada
k

x w
j 1
j j
x1w1  x2 w2  ...xk wk
xp  
k
w1  w2  ...  wk
w
j 1
j

La media ponderada se usa en aquellos casos

donde las observaciones tienen diferente
importancia dentro de una población o
muestra.

12
Ejemplo
En una empresa se tiene la siguiente información

Número de Tiempo promedio

Turno Empleados de tardanza
(minutos)
Día 40 8.5
Tarde 25 12.0
Noche 15 15.5

El tiempo promedio de tardanza de los trabajadores

para los tres turnos será:

13
Ejercicio 2
En la siguiente tabla se presenta la distribución de
número de viajes realizados en un mes para una muestra
de auditores de una entidad financiera.
 
Número de viajes al Número de
mes auditores
Xi fi
0 10
1 15
2 9
3 6
4 5
Total 45

Halle e interprete el número de viajes promedio

mensual por cada auditor.
14
Mediana
La mediana es el valor que ocupa la posición
central de un conjunto de datos, previamente
ordenados.

La mediana paramétrica se simboliza con Me y

la mediana muestral con me.
Cálculo de la mediana
 n  1  
 100   50  Entero  E   me  x  E  
  
Si  
  
  50  Decimal  E.d   me  x E   0.d   x E 1  x E   
n 1

 100  

15
Ejemplo 5
Los siguientes datos corresponden a los pesos (en Kg.) de
10 personas elegidas al azar.

50, 77, 53, 76, 63, 64, 75, 54, 52, 80

1 2 3 4 5 6 7 8 9 10
50 52 53 54 63 64 75 76 77 80

me=(63+64)/2=63.5 Kg.
Interpretación: Un 50% de las personas pesan menos de
63.5 Kg. y el otro 50% pesan más de 63.5 Kg. 16
 Ejercicio 4
En un estudio del medio ambiente para evaluar la calidad
de aire, se registró el número de microgramos de partículas
en suspensión por mt2 de aire para muestras evaluadas en
dos zonas.
 

Zona A 38 32 45 30 24 45 42 18 28

Zona B 25 28 25 32 26 35 54 38  

Halle e interprete la mediana del número de microgramos

de partículas en suspensión por mt2 de aire para cada
zona. 17
Propiedades de la mediana
1. La mediana divide a las n observaciones
previamente ordenadas, en dos partes
iguales. El 50% con valores menores a la
mediana y el otro 50% con valores mayores
a la mediana.
2. La suma de las desviaciones absolutas de las
observaciones con respecto a la mediana es
un valor mínima.
n n

X
j 1
j  me   X j  c , donde c  R
j 1

3. No está influenciada por valores extremos.

18
Moda
La moda de un conjunto de datos es el valor o
atributo que ocurre con mayor frecuencia.

La moda paramétrica se representa por Mo y la

moda muestral por mo.
Propiedades
1. Puede no existir o puede haber más de una
moda en un conjunto de datos.
2. No es afectada por valores extremos.
3. Se aplica tanto para información cualitativa
como cuantitativa.
19
Ejercicio 5
Se tiene una muestra de los niveles de ozono
alrededor de una ciudad (220 partes por
billón). Halle e interprete la moda.

160 124 156 164 178 163 163 178 164

185 196 164 170 145 164

20
Ejemplo
Se tiene longitudes (en cm.) de las truchas de
tres muestras extraídas de una pozas de
crianza

Muestra de la poza 1 Muestra de la poza 2 Muestra de la poza 3

4.0 4.3 4.6 4.0 4.1 4.4 4.0 4.1 4.3
4.1 4.4 4.7 4.1 4.2 4.5 4.1 4.2 4.3
4.2 4.5 4.8 4.1 4.3 4.6 4.1 4.3 4.5
No hay moda mo= 4.1 mo1 = 4.1 mo2 = 4.3

21
Usos de las Medidas de Tendencia Central
 La media aritmética se usa:
Cuando no hay valores extremos
Cuando se tenga que calcular otras medidas
estadísticas como la desviación estándar.
 La mediana se usa:
Cuando se desea conocer el valor que ocupa la
posición central.
Cuando hay valores extremos que afectan la
media.
 La moda se usa:
Cuando se desea conocer la observación más
frecuente
Cuando se trabaja con variables cualitativas.
22
Propiedades de Transformación
Si Y = a ±bX, entonces:

Y  a  bX
meY  a  bmeX
moY  a  moX

23
Ejercicio 8
La gerencia de marketing ha decidido aumentar 10%
los precios de los ternos en la sucursal Sur pero
restando 90 nuevos soles, mientras que en la sucursal
Norte disminuir en 4.5% los precios de los ternos y en
la sucursal Centro aumentar 125 nuevos soles cada
terno. A continuación se presenta las medidas
estadísticas de los precios de las sucursales obtenidas
con MINITAB.
N para
Variable N N* Media Mínimo Mediana Máximo Moda
moda
Sucursal Sur 15 0 450,5 345,0 450,0 650,0 450
3
Sucursal Norte 15 0 582,3 320,0 580,0 910,0 600
2 24
Sucursal Centro15 0 500,3 310,0 550,0 810,0 550
Tercio, Quinto y Décimo Superior
Asumiendo una promoción de 30 egresados

6 6 6 6 6
20% 20% 20% 20% 20%

Xmin X Xmax

80% 20%

P80
25
Definición
Son indicadores que
CUARTILES,

 dividen el
permiten dividir a un
conjunto de datos conjunto de datos en 4
previamente ordenados, en partes iguales (25% cada
“p” partes, donde todas las una). Son representados
partes poseen el mismo también como:
porcentaje de observaciones. Q1=P25, Q2=P50 y Q3=P75.

 DECILES, dividen el  PERCENTILES, dividen

conjunto de datos en 10 el conjunto de datos en 100
partes iguales (10% cada partes iguales (1% cada
una). Son representados una). Son representados
también como: también como P1, P2 , …, P99.
D1=P10, D2=P20 ,…, D9=P90
26
Percentiles
El percentil Pq divide a un conjunto ordenado de
observaciones en un q% menores que Pq y un
(100 – q)% mayores que Pq. El percentil Pq es un
valor expresado en las mismas unidades que la
variable en estudio.
A todos los cuantiles también se les denomina
percentiles Pq.
Observaciones
P25 = percentil 25 = primer cuartil = Q1
P50 = percentil 50 = segundo cuartil = Q2 = me
P75 = percentil 75 = tercer cuartil = Q3 27
Cálculo del Percentil

 n  1 
 100   q  Entero  E   Pq  x E 
 
Si 
 n  1   q  Decimal  E.d   P  x  0.d  x

 100  q  E  
E 1
 x E  

28
Ejemplo 9
Los siguientes datos corresponden a los pesos,
en Kg. de 10 personas:

50, 52, 53, 54, 63, 64, 75, 76, 77, 80

P25  x 101   x 2.75  x 2   0.75   x 3   x 2    52  0.75   53  52   52.75 Kg

 25
 100 

P75  x 101   x 8.25  x 8   0.25   x 9   x 8    76  0.25   77  76  76.25 Kg

 75
 100 

29
 Ejercicio 10
 Se tienen las notas de los promedios ponderados
de los estudiantes graduados en el último ciclo.
Halle el promedio ponderado mínimo para que un
alumno sea considerado dentro del quinto
superior.
10.5, 10.9, 11.2, 11.3, 11.5, 11.5, 11.7, 12.8, 12.9, 13.6, 13.7, 13.9, 14.0, 15.6

80% 20%

P80= X12=13.9
30
Diagrama de Tallos y hojas
“Stem and Leaf”
Es un artificio que ofrece una representación
parecida a un histograma.

La ventaja es que no sólo muestran las

frecuencias sino que contienen los valores
reales.

A diferencia de las tablas de frecuencias con

este procedimiento los datos no se pierden
(hay excepciones).
31
PASOS:
1. Se ordenan los datos, en forma
ascendente.
2. Se forman los Tallos.
3. Se forman las Hojas.
4. Luego, se forma la Profundidad.

32
Ejemplo
 Los siguientes datos corresponden a la estatura de una muestra de
30 alumnos.
 158, 159, 161, 161, 163, 163, 164, 166, 166, 167, 168, 168, 168,
169, 170, 170, 170, 171, 171, 171, 172, 173, 174, 174, 174, 174,
174, 177, 182, 191
Profundidad

Tallo
Stem-and-leaf of Estatura n = 30
Unidad de hoja = 1.0

2 15 89
7 16 11334
14 16 6678889
(13) 17 0001112344444
3 17 7 Hojas
2 18 2
1 18
1 19 1 33