1

MEDIDAS NUMÉRICAS
DESCRIPTIVAS - C

Tatiana Burga G César Malpartida

 2

Los Percentiles

Son los valores que dividen en 100 partes iguales a un

conjunto de datos
Cálculo: para datos agrupados. i %n − F j −1
Pi = Li j + a j
fj
Pi : Percentil
Li : Límite inferior del intervalo que contiene a Pi
n : número de datos
Fi-1 : frecuencia acumulativa hasta la clase anterior a la clase
donde se ubica el percentil K

fi : frecuencia absoluta de la clase donde se ubica el percentil ai

: amplitud de clase
 3

donde:

P : percentil
K

K : el percentil por calcular

n : número de datos
: frecuencia acumulativa hasta la clase
F
anterior a la clase donde se ubica el
percentil K

f : frecuencia absoluta de la clase donde se

P ubica el percentil K
K

c : amplitud de clase
 4

Ejemplo:
La tabla muestra la experiencia (en años) del
personal médico de un gran hospital.

Experiencia Personal
(años) Médico
0-3 18
4-7 42
8 - 11 68
12 - 15 120
16 - 19 40
20 - 23 34
24 - 27 12
Total 334
 5

¿Sobre cuántos años se ubica el 25% de los

médicos de mayor experiencia?

75 % 25 %

P75
Menor Mayor
Experiencia Experiencia

K = 75

Kn 75(334)
Lugar del P75 = = = 250,5 o (de los números ordenados)
100 100
Para saber en qué clase se halla este dato, se
calculó la frecuencia acumulativa.
 6

Experiencia Nº Trabajadores Frec. Acumulada

(años) fi Fi
0-3 18 18
4-7 42 60 F=248
8 - 11 68 128
12 - 15 120 248
En esta clase
16 - 19 40 288 se ordenan del
20 - 23 34 322 249º - 288º
24 - 27 12 334
Total 334

P75 = 15,65 años

Interpretación:Para que un médico esté

comprendido en el 25% de mayor experiencia
laboral debe tener al menos 15 años, 7 meses y 24
días.
 7

Las medidas de dispersión o variabilidad

Son útiles porque:

➤ Permiten juzgar la confiabilidad de la
medida de tendencia central.
➤ Los datos demasiados dispersos
tienen un comportamiento especial.
➤ Es posible comparar dispersión de
diversas muestras.
 8

El rango (R), amplitud ó alcance

Se obtiene de la diferencia entre el dato mayor

y el dato menor más una unidad significativa, a
fin de incluir ambos valores extremos.

Ejemplo:
Los siguientes datos representan el peso de 10 niños
al nacer, (en kg.). Calcule e interprete el rango.
2,860 3,150 3,450 2,950 3,780
4,170 3,920 3,280 4,050 3,120
Rango = 1,311 kg
Interpretación
La diferencia entre el bebe de mayor peso y el bebe
menor peso es 1,311 kg.
 9

Cálculo a partir de datos agrupados

Se utiliza la siguiente formula:

donde:
L
R = (Ls - Li ) + 1 : Limite superior de la
s
última clase
L : Limite inferior de la
i
primera clase
Ejemplo:
10

La distribución de frecuencias siguiente

representa el tiempo que demora un paciente en
obtener una cita en un hospital. Calcule e
interprete el rango
Tiempo
(minutos) Nº de Pacientes
12 - 16 4
Rango = (36 - 12) + 1
17 - 21 8
22 - 26 15
27 - 31 23 R = 25 minutos
32 - 36 10
Total 60

Interpretación: la diferencia de tiempo entre el

paciente que más demora en obtener una cita y el
que menos demoró es 25 minutos.
 11

Ventajas
➤ fácil de calcular
➤ fácil de entender e interpretar

Desventajas
➤ sólo considera los valores extremos
➤ no toma en cuenta ni el número de datos ni el
valor de éstos
➤ no es posible de calcular en tablas con
extremos abiertos.
 12

La varianza

Es una medida de desviación promedio con

respecto a la media aritmética

a) Cálculos a partir de datos no agrupados.

n
para una muestra
2

2
∑ (X − x ) i

S = i =1

n −1

N
para un población
2

2
∑ (X − µ )
i

σ = i =1

N
 13

Ejemplo:
La siguiente información se refiere al número de quejas
recibidas en un Centro Médico durante una semana. Calcule
la varianza. 8, 10, 5, 12, 10, 15.
Elaboramos un cuadro de la forma siguiente

x Xi − x ( Xi − x ) 2

8 8 - 10 = 2 4 60
10 10 - 10 = 0 0 x=
5 5 - 10 = 5 25
6
12 12 - 10 = 2 4
10 10 - 10 = 0 0
15 15 - 10 = 5 25
x = 10
∑ X = 60 ∑ ( Xi − x ) = 0 ∑ ( Xi − x ) = 58
2
 14

∑ ( Xi − x )
2
= 58

∑ (X i − x )
2

2
S = n −1

2 58 2
S = = 11,6 quejas
6 −1
 15

La desviación estándar

Es la raíz cuadrada de la varianza, sea

poblacional o muestral.
a) Cálculos a partir de datos no agrupados
n 2
Para la muestra
∑ (Xi − x)
i =1
S = s2 =
n−1
N
∑ (Xi − µ )
2

Para la población σ = σ2 = i =1
N
 16

Ejemplo:
La siguiente información se refiere al número de quejas
recibidas en un Centro Médico durante una semana.
Calcule la desviación estándar.
8, 10, 5, 12, 10, 15
Ya sabemos por el ejemplo anterior que S2 = 11,6 quejas2.
Entonces:

2
S= s
S = 11,6 quejas 2

S = 3,4 quejas
 17

El coeficiente de variación
Es una medida de variabilidad relativa de los
datos, permite comparar la variabilidad de dos
o más conjuntos de datos expresados en
unidades diferentes (peso; kg. y libras).

a) Calculos a partir de datos no agrupados

Para la muestra: s
CV = × 100
x
Para la población:
σ
CV = ×100
µ
 18

Ejemplo:
A continuación se presentan las ventas (en unidades monetarias)
logradas durante una semana por dos farmacias. La farmacia I vende
en soles y la farmacia II en dólares ¿Cuál de ellos tiene un
desempeño más estable, en cuanto a nivel de ventas?.

Farmacia I (soles) Farmacia II (dólares)

40,70,60,48,52,65,58 70,35,150,140,82,110,140,120

Calculamos la media y desviación estándar para

cada una de las farmacias
 19

Farmacia I
n
∑ Xi
393
x = i =1
= = 56,14
n 7
x Xi − x ( Xi − x ) 2

40 -16,14 260,50
70 13,86 192,10
60 3,86 14,90
48 -8,14 66,26
52 -4,14 17,14
65 8,86 78,50
58 1,86 3,46

∑ X = 393 ∑ ( Xi − x ) = 0 ∑ ( Xi − x ) 2
= 632,86
 20

Si ∑ ( Xi − x ) = 632,86
2

n
2
∑ i
( X − x )
i =1 632,86
S= = = 10,27
n −1 7 −1

S
CV = ×100
x
10,27
CV = × 100 = 18,29
56,14
 21

Farmacia II n
∑ Xi
i =1 847
x = = = 105,87
n 8

x Xi − x ( Xi − x ) 2

70 -35,87 1286,6569
35 -70,87 5022,5569
150 44,13 1947,4569
140 34,13 1164,8569
82 -23,87 569,7769
110 4,13 17,0569
140 34,13 1164,8569
120 14,13 199,6569

∑X = 847 ∑ ( Xi − x ) = 0,04 ∑ ( Xi − x ) 2
= 11372,88
 22

n
Si ( ) 2
∑ Xi − x = 11372,88
i =1

n
2
∑ ( Xi − x )
i =1 11372,88
S= = = 40,30
n −1 8 −1

S 40,30
CV = ×100 CV = ×100 = 30,06
x 105,87

La farmacia II presenta una mayor variabilidad

en el volumen de ventas.