FACULTAD DE INGENIERIA ELECTRONICA E INFORMATICA

ESCUELA ACADEMICA DE
MECATRONICA
ASIGNATURA:
PROBABILIDADES Y ESTADISTICA
 Medidas de Resumen
𝑋 1 + 𝑋 2+ 𝑋 3 + … . + 𝑋 𝑛
𝜇=
𝑁
Ing. Ramiro Flores Eulogio
Docente
Esta foto de Autor desconocido está bajo licencia CC BY Febrero 2022
MEDIDAS DE RESUMEN  Para variables cuantitativas.

* Medidas de Posición * Medidas de Tendencia Central

Centro de una distribución
- Moda Mediana (50%) - Media aritmética o Promedio
Cuartiles (25%) - Media armónica
- Cuartiles Quintiles (20%) - Media geométrica
Deciles (10%)
Percentiles (1%)

* Medidas de dispersión * Medidas de deformación

- Grado de discrepancia internas entre
los datos.
- Grado de representatividad o
importancia aun promedio
- Rango - Coeficiente de Asimetría.
- Varianza - Coeficiente de curtosis.
- Desviación estándar
- Coeficiente de variación
Medidas estadísticas de resumen y análisis combinatorio

1.Medidas estadísticas de tendencia central o posición

Medidas estadísticas son aquellas que permiten resumir información
proveniente de una muestra o población y tienen por objeto, tener
un valor que resuma en sí todas las mediciones. La mayoría de ellas
se ubican al centro de la distribución de los datos y se les denomina
medidas de tendencia central otras se posicionan en los lados
derecho o izquierdo de los datos y se les llama medidas de posición.
Observaciones:
Cuando las observaciones de la variable en estudio
corresponden a los datos de una población de tamaño N (N
elementos conforman la población), entonces la media
aritmética se denomina media poblacional( denotado por
μ). La cual constituye un parámetro que se define como:
μ=(X_1+X_2+X_3+⋯.+X_n)/N
En los ejemplos y ejercicios que resolvamos usaremos la
media aritmética muestral, porque usaremos datos de una
muestra.
Las principales medidas de tendencia central son:
 Media aritmética simple y ponderado
 Mediana
 Moda
 Media geométrica
Otras medidas de posición importantes son:
• Cuartiles
• Quintiles
• Percentiles
Medidas de Tendencia Central
 MEDIA : Media Aritmética
Es un número real que caracteriza o representa a un conjunto de datos, cuyo polígono de frecuencias
presenta simetría y poca dispersión; también podemos entender a la media aritmética como el punto de
equilibrio del conjunto de datos.
Matemáticamente podemos definirla de la siguiente manera:

Si es un grupo de datos, la media aritmética o simplemente media

de estos datos es igual a la  
suma de todos estos datos dividido entre
el número total de datos.
X=

En estadística esta media o promedio se llama media muestral, ya que su

cálculo proviene de una muestra de n observaciones.
La Media ponderada
Se dice que, si x1, x2, x3,…,xn, son n observaciones
Numéricas de la variable en estudio X, cuyos pesos o
ponderaciones, son
W1,w2,…wn
Entonces la media o promedio ponderado de éstas n
observaciones se expresa cómo:
Sean las calificaciones, en la asignatura de
Metodología del Trabajo Universitario

Notas Peso
Criterios Xi Wi Puntaje XiWi

Informe 14 1 14
Trabajo en grupo 13 2 26
Exposición 15 3 45
  Suma 85
Para el caso de datos agrupados:
m
x   xi hi ni
= donde: hi 
i 1 n
Físicamente, también puede entenderse a la media aritmética como el centro de masa de la
distribución de los datos

X=

Es necesario que se establezca alguna medida de

la representatividad, de la validez, del resultado que
se presenta.
Ejemplo 1: Los siguientes datos corresponden al tiempo, en minutos, que utilizan 10 empleados en realizar
una tarea:
Xi : 4.1 2.2 6.7 2.9 5.0 3.2 3.7 3.4 4.0 7.5 minutos

La media es:
4.1  2.2  6.7  2.9  5.0  3.2  3.7  3.4  4.0  7.5 42.7
x   4.27 minutos
10 10

Ejemplo 2. En la siguiente tabla de frecuencias aparecen los valores de compra (en soles) de un conjunto de 17
clientes.
Li Ls Xi fi Xi*fi
5 9 7 2 14
9 13 11 4 44
13 17 15 7 105
17 21 19 3 57
21 25 23 1 23
17 243

nuevo
soles
Propiedades de la Media Aritmética
• La sumatoria de las restas de cada término, respecto de la media es igual a cero

Tarea las propiedades, describirla y demostrarla

2.-La media aritmética de una constante es la constante

3. La media aritmética del producto de una constante por una variable

Mediana [ Me ]
Es el dato que divide a una serie ordenada de datos en dos partes iguales. Así, sea Xi para todo i=1,..,n, tal que:

Para datos sin agrupar:

Aquí la mediana se identifica según el número de datos, así:

Cuando “n” es impar: M e  X  n 1 

 
 2 

Ejemplo 1: Obtenga la mediana del siguiente conjunto de datos:

Xi = {3, 5, 2, 7, 8, 9, 8, 9, 4}, aquí, n = 9 (impar)

Los precios de alquiler venta de departamentos de 65 mt2

en 10 distritos de Lima, son los siguientes

(X5+X6)/2
Para datos agrupados:
Se utiliza la siguiente fórmula:

𝑀 𝑒=𝐿𝐼 +
𝑛
2 (
− 𝐹𝑖− 1 𝐴 )
𝑓𝑖
Donde:
n = número total de datos
n
  = Identificador de la clase de la mediana en la columna de las frecuencias absolutas acumuladas menor o igual
2

Li = Límite inferior de la clase de la mediana

A = Amplitud de clase
fi = Frecuencia absoluta simple de la clase de la mediana
Fi 1 = Frecuencia absoluta acumulada menor igual que hasta la clase anterior a la clase de la mediana
Ejemplo: Obtenga la mediana de la siguiente tabla de datos correspondiente a la resistencia a la tensión.

Tabla N° Resistencia la tensión de 80 muestras de la aleación

aluminio Litio (Kgrf/cm2)(*)

El 50 % de muestras tienen una resistencia a la tensión de 16.22 Kgrf/cm2 o menos y el otro 50%
tienen una resistencia a la tensión mayor de Kgrf/cm2
En una investigación realizada, entre los suscriptores de la
Revista “Cosas”, se hizo la pregunta siguiente “de los últimos
números publicados ¿Cuántos ha leído usted?. Las respuestas de
500 suscriptores se resume en la tabla siguiente
Medidas de Posición
Para datos sin agrupar

 MODA Es el dato o datos que más de repiten.

 Para datos agrupados

 Para datos sin agrupar, la moda solo se tiene que identificar el dato o datos que se repiten más
Ejemplo 1:
Los siguientes datos corresponden al tiempo de sueño de 20 estudiantes universitarios (en horas)
Xi = {5, 6, 6, 7, 7, 8, 4, 6, 5, 6, 6, 7, 5, 4, 6, 6, 5, 5, 6, 6}
Al ordenarlo en una tabla de frecuencias tenemos: 9 estudiantes,
declaran que
La moda de los duermen 6 horas
estudiantes es 9:
Indica que el
El mayor numero
tiempo de sueño
de estudiantes que
es 6
es 9 declara dormir
6 horas
Podemos notar que el dato que más se repite es 6, por lo tanto la moda es
igual a 6. Mo = 6, además como hay una sola moda, la distribución es
Unimodal.
 Segundo caso: Para datos agrupados en intervalos de clase, la moda se calcula utilizando la siguiente fórmula:

𝑑1 × 𝐴
𝑀 𝑜=𝐿𝐼 +
𝑑1 + 𝑑2
Donde:
LI = Límite inferior de la clase modal (clase modal es aquella o aquellas que tienen la máxima frecuencia absoluta simple)
A = Amplitud de clase
d1 = fmo - fpremo

d2 = fmo – fpostmo
fmo = Frecuencia modal (máxima frecuencia absoluta simple)
fpremo = Frecuencia absoluta simple de la clase anterior a la modal

fposttmo = Frecuencia absoluta simple de la clase posterior a la modal

Ejemplo 3.

Tabla N° 1 Resistencia la tensión de 80 muestras de la

Li Ls fi
aleación aluminio Litio (Kgf/cm2)(*) 7 9 3
10 12 14
13 15 20
16 18 27
19 21 11
22 24 5

Li 16
d1 7
d2 16
A 2
d1+d2= 23

Mo= 16 ´+ 0.60869565

Mo= 16.61
La resistencia más frecuente es
16.61
Medidas de Posición
 CUANTIL
Son medidas de orden que dividen a una serie ordenada de datos en j-partes iguales, para todo j =
{2, 4, 5, 10, 100}. Según el valor que tome j, el cuantil toma un nombre específico.

Si j = 2 entonces Cuantil (2) = Mediana: divide en 2 partes iguales

Si j = 4 entonces Cuantil (4) = Cuartil: En 4 partes iguales
Si j = 5 entonces Cuantil (5) = Quintil:En 5 partes iguales
Si j = 10 entonces Cuantil (10) = Decil: 10 partes
Si j = 100 entonces Cuantil (100) = Percentil:100 partes iguales
 
Cuartiles Es el dato que divide a una serie ordenada de datos en Cuatro partes iguales

Note que la mediana es igual al cuartil 2 Me = Q2

Donde:
n = número total de datos
K= numero de cuartiles 1,2,3
Qk=Li+(

𝐿𝐼 = Límite inferior de la clase del cuartil “i”

𝐴 = Amplitud de clase
fi = Frecuencia absoluta simple de la clase del cuartil “i”.

Fi 1 = Frecuencia absoluta acumulada menor igual que hasta la clase

anterior a la clase del cuartil “i”
 Para hallar Q1

Para hallar Q3
 Ejemplo: Obtenga cada uno de los cuartiles de la distribución de la edad de los habitantes de Lima.

Tabla N° Distribución de la edad de los habitantes de la

Para el Cuartil 1: Q1
provincia de Lima al 21 de julio del 2017 (*)
“k” = 1
 1  n  1  260948
   65237  La clase de Q1 es: [10 – 14]
 4  4
9  10
LRI   9. 5
2
C 5 f i  24977 Fi 1  43382
??

𝑄1= 𝑎 ñ 𝑜𝑠
 Para el Cuartil 2: Q2
𝑄𝑖 = 𝐿𝐼 +
4 (
𝑖× 𝑛
− 𝐹𝑖− 1 𝐶 )
“i” = 2 𝑓𝑖

 2  n   1  n  1  260948
    130474  La clase de Q2 es: [25 – 29], equivalente al de la mediana
 4   2  2

𝐿𝐼=25 C 5

f i  21269 Fi 1  120076

𝑄2 =25+
(
2 ×260948
4
−120076 × 5 )′
¿ ??
21269

𝑄2 =𝑎 ñ 𝑜𝑠
Medidas de Dispersión Miden el grado discrepancia o de diferencias entre los datos

 Varianza: N n
 
 x  X  f  i
2 2
i i x  x fi
V ( x)  i 1
2 v( x)  i 1
 s2
N n 1

Cuando los datos están sin agrupar, se considera las mismas fórmulas, haciendo que ni  1

n

 i
x  x 2

 Desviación Estándar: de( x)  i 1

n 1
 s2  s
 Ejemplo: Considere que los siguientes datos corresponden a las edades 50 trabajadores expresadas en años.
Se desea obtener la media aritmética, desviación estándar, coeficiente de variación. Los cálculos se muestran
en el mismo cuadro de datos.

Promedio
Edad
Xi fi Fi Xifi (Xi-Xprom)2 *fi
Li Ls 7
15
19
19
23
17
21
3
12
3
15
51
252
432
768 x i fi
1310
23 27 25 16 31 400 256
x i 1
  26.2 años
27
31
31
35
29
33
10
5
41
46
290
165
0
80
n 50
35 39 37 3 49 111 192
En promedio lo trabajadores tienen 26.2 años.
39 43 41 1 50 41 144
    29 50     1872
7

Desviación estándar DE(x):

 i
( x  x ) 2
ni
1872
V ( x)  i 1
  37.44 años 2
n 50
DE ( x)  V ( x)  37.44 años 2  6.5 años El promedio de variabilidad es de 6.5 años con respecto al
promedio de edad de los trabajadores.
Ejemplo: Considere que los siguientes datos corresponden a las edades 50 trabajadores expresadas en años.
Se desea obtener la media aritmética, desviación estándar, coeficiente de variación. Los cálculos se muestran
en el mismo cuadro de datos. N

Promedio xn i i
145o
x i 1
  29 años
Li Ls Xi fi Xi*fi (Xi-Xpro)^2 n 50
15 20 17.5 3 52.5 396.75
20 25 22.5 12 270 507 Desviación estándar DE(x):
25 30 27.5 16 440 36
30 35 32.5 10 325 122.5 DE( x)  V ( x)  46.25 años 2  6.80074 años
35 40 37.5 5 187.5 361.25
40 45 42.5 3 127.5 546.75
45 50 47.5 1 47.5 342.25 Coeficiente de variación: CV(x):
      50 1450.00 2312.5 DE ( x) 6.80074 años
      promedio 29 46.25 CV ( x)    0.2386  23.86%
      Varianza 46.25  
x 29 años

Esto significa que la dispersión de las edades no es muy importante y al no exceder el 33%, las edades del grupo
de trabajadores puede considerarse como homogénea
Ejercicios 2° unidad
•1. El siguiente conjunto de datos, corresponde a una muestra de los porcentajes de 25 productos en un determinado
supermercado :
90 63 20 18 12 60 24 28 14 11 85 29 25
8 10 86 16 25 6 11 80 16 20 16 6  

Sin agrupar los datos:

1.Determine e interpretar la moda y la mediana.
2.Calcular e interpretar la media y la desviación estándar muestral s

• 2, A continuación se presenta la distribución de 63 tiendas de abarrotes de acuerdo al número de empleados que tiene.

•Usar la información de la tabla para calcular la mediana, la media aritmética y la desviación estándar del número de
empleados.
Número de empleados Número de Tiendas
2 11
3 16
4 17
5 19
Total 63
Con la finalidad de conocer los gastos semanales(en soles) del
personal administrativo de una empresa de cementos en Lima,
en el mes de enero 2022, se seleccionó una muestra de 30
personas . Los datos resumidos y los cálculos necesarios en la
siguiente tabla
Li Ls Xi fi xifi xi^2fi
200 400 300 0 0 0
400 600 500 1 500 250000
600 800 700 4 2800 1960000
800 1000 900 9 8100 7290000
1000 1200 1100 16 17600 19360000