Tabla de contenido
1. TEMA ................................................................................................................................... 1
2. OBJETIVOS ........................................................................................................................ 1
2.1. Objetivo General .......................................................................................................... 1
2.2. Objetivos Especficos .................................................................................................. 1
3. MARCO TERICO .............................................................................................................. 1
3.1. Medidas de Tendencia Central ................................................................................... 1
3.1.1. Promedio ............................................................................................................. 1
3.1.2. Mediana ............................................................................................................... 3
3.1.3. Moda .................................................................................................................... 5
3.2. Relacin entre medidas de tendencia central ............................................................. 5
3.2.1. Rango .................................................................................................................. 8
3.2.2. Desviacin Estndar .......................................................................................... 10
3.3. Relacin entre medidas de Dispersin...................................................................... 11
3.3.1. Asimetra............................................................................................................ 14
3.3.2. Curtosis.............................................................................................................. 15
3.3.3. Coeficiente de variacin .................................................................................... 16
4. Conclusiones Y Recomendaciones ............................................................................... 16
4.1. Conclusiones ......................................................................................................... 16
4.2. Recomendaciones ................................................................................................. 17
5. Bibliografa ......................................................................................................................... 17
1
1. TEMA
Medidas de tendencia central
2. OBJETIVOS
2.1. Objetivo General
Exponer todas las medidas de tendencia central que encontramos en la estadstica, con la
finalidad de aplicarlas dentro de la materia Control de Calidad.
2.2. Objetivos Especficos
Dar a conocer sobre las medidas de tendencia central como la moda, media y
promedio
Investigar sobre las medidas de dispersin que encontramos en la estadstica.
Conocer la relacin entre las medidas de dispersin con otras medidas, todas
enfocadas o iniciadas desde la estadstica.
3. MARCO TERICO
3.1. Medidas de Tendencia Central
Las medidas de tendencia central se las conoce como promedio es decir es un valor tpico o
representativo de un conjunto de datos. Como tales valores suelen situarse hacia el centro del
conjunto de datos ordenados por magnitud.
Una medida de tendencia central de una distribucin es un valor numrico que describe la
posicin central de los datos, o la forma en que los datos se tienden a acumular en el centro. Hay
tres medidas de uso comn: el promedio, la mediana y la moda.
1
3.1.1. Promedio
El promedio es la suma de las observaciones dividida entre la cantidad de observaciones. Es
la medida ms comn de la tendencia central. Hay tres tcnicas diferentes para calcular el
promedio: datos no agrupados, datos agrupados y promedio ponderados.
[Link]. Datos no Agrupados
Esta tcnica se usa cuando los datos no estn organizados. El promedio se representa con la
notacin X y se define con la frmula representada en la Fig.1
1
(Spiegel, 1991, pg. 60)
2
Fig.1: Frmula del promedio con datos no agrupados
[Link]. Datos Agrupados
Cuando se han agrupado los datos en una distribucin de frecuencias se aplica esta tcnica.
La frmula para el promedio de datos agrupados es la mostrada en la Fig.: 2
Fig.2: Frmula para datos agrupados
Esta frmula se aplica cuando el agrupamiento es por clases, que tengan ms de un valor
observado por clase.
[Link]. Promedio Ponderado
Cuando se combinan varios promedios con diferentes frecuencias, se calcula un promedio
ponderado. La frmula del promedio ponderado es la mostrada en la Fig.3.
3
Fig.3: Frmula del Promedio ponderado
La tcnica del promedio ponderado es un caso especial de la de datos agrupados, en la que
los datos no se organizan en una distribucin de frecuencia
2
.
3.1.2. Mediana
La mediana es el punto medio de una distribucin o rango de datos, lo que quiere decir que
este es el numero o posicin media de los datos; tal que el 50% de los datos se encuentran tanto
superior como inferior mente hablando.
Por lo que entendemos que al sacar la mediana tenemos que es la posicin central en el orden
de los datos dividindolos en partes iguales.
Se la puede calcular en datos agrupados como en datos no agrupados:
[Link]. Datos no agrupados
Una de las caractersticas importantes de la mediana es que solo se la puede realizar con
datos cuantitativos, ya que estos poseen un orden jerrquico ordenable ascendente o
descendente.
Para hallar el valor de la mediana lo primero que tendremos que hacer es ordenar los datos en
forma jerrquica.
Observacin:
Si el nmero de observaciones es impar entonces la mediana se calcula utilizando la siguiente
frmula:
2
( Dale, 2009)
4
Dnde:
n es el nmero de observaciones.
Si el nmero de observaciones es par entonces tenemos que ser el promedio de los 2
nmeros de la mitad.
Debe quedar claro que la divisin no nos da el nmero de la mediana, lo que nos da es la
posicin en la que se encuentra en la tabla de valores.
Datos agrupados:
Cuando los datos se encuentran agrupados en una distribucin de frecuencia, y se hace ms
difcil la obtencin de la mediana, se la obtiene determinando la clase que tenga el nmero de la
mitad, la frmula es la siguiente misma que se muestra en la Fig.3.
Fig.3: Frmula para los Datos Agrupados
Una cosa importante de recalcar es que la mediana de datos agrupados no se la utiliza con
mucha frecuencia
3
.
Ejemplos:
Datos no agrupados:
3
2
3
3
3
4
3
1
3
2
3
1
3
4
3
2
3
4
3
2
3
1
3
4
3
1
3
1
3
2
3
2
3
4
3
4
3
2
3
3
3
4
3
3
3
3
3
4
3
1
3
Galindo, E. (2010). Estadistica fundamentos. barcelona: reverte.
5
MEDIANA=32
Datos agrupados:
La siguiente tabla muestra la temperatura nocturna (en C) durante 200 das:
INTERVALO FRECUENCIA F.a.a Mi (Mi*Fa)
2 4 21 21 3 63
4 6 16 37 5 80
6 8 15 52 7 105
8 10 26 78 9 234
10 - 12 23 101 11 253
12 14 14 115 13 182
14 16 20 135 15 300
16 18 22 157 17 374
18 20 18 175 19 342
20 22 25 200 21 525
n=200 =2458
Med=Li-1+
Med=10+
Med=11.91
3.1.3. Moda
La moda de un conjunto de nmeros es el valor que se presenta con ms frecuencia; es decir,
es el valor ms frecuente. Puede no haber moda y cuando la hay, puede no ser nica.
[Link]. Moda con datos sin agrupar
Es fcil de identificar, simplemente es la cantidad o el valor que ms veces se repite.
En la Fig.4 podemos observar algunos ejemplos en los cuales se identifica claramente la
Moda.
6
Fig.4: Ejemplos de Moda
Lo descrito en los ejemplos anteriores es para identificar la moda en datos no agrupados.
[Link]. Moda con datos Agrupados
Ahora nos corresponde saber encontrar o determinar la moda en Datos Agrupados. Entonces
la Moda es fcil de ubicar en una tabla de frecuencias pues es el valor de la Variable Xi a la que
corresponde la mayor frecuencia (fi) . Un ejemplo claro se muestra en la Fig. 5
Fig.5: Moda con datos agrupados
[Link]. Moda para datos con Intervalos
Para calcular la moda en datos con intervalos es necesario aplicar la frmula que se observa
en la Fig. 6
7
Fig.6: Frmula para calcular la moda
En la Fig.7 se da un ejemplo de cmo calcular la moda aplicando la frmula mencionada
anteriormente.
Fig.7: Moda para datos con Intervalos
3.2. Relacin entre medidas de tendencia central
8
Fig.8: Relacin entre medidas de tendencia central
En la (Fig.8) se pueden observar las diferencias entre las medidas de tendencia central.
Cuando la distribucin es simtrica el promedio, la mediana y la moda son idnticas, mientras que
cuando la distribucin es asimetra los valores son diferentes.
El promedio es la medida de tendencia central ms utilizada, se usa cuando la distribucin es
simtrica o no es una distribucin asimtrica hacia la derecha, se usa para tener un valor estable
para la estadstica inductiva.
La mediana es una medida efectiva de la tendencia central cuando la distribucin es
asimtrica positiva o negativa. Se usa cuando se desea tener un punto medio exacto de una
distribucin. Cuando una distribucin tiene valores extremos, el promedio se ver afectado
adversamente, pero la mediana permanecer sin cambios. Una grfica basada en la mediana es
amigable al usuario, y excelente para vigilar la calidad.
La moda es usada cuando se desea tener una medida rpida y aproximada de la tendencia
central. Entonces, la moda de un histograma se determina con facilidad por examen visual.
Adems la moda se usa para describir el valor ms caracterstico de distribucin, la edad modal de
determinado grupo
4
.
3.2.1. Rango
Algo que responde a la identificacin de la dispersin de los datos de una muestra es el rango,
el cual se define como la diferencia entre el dato mayor menos el dato menor de un conjunto de
datos. Su obtencin es sumamente sencilla, sin embargo se considera que no es una medida muy
significativa, su aplicacin es ms til en la llamada estadstica no parmetrica. Una expresin para
el rango puede ser vista como se muestra en la (Fig.9)
4
(Besterfield, (2009)., pg. 128)
9
Fig.9: Expresin del Rango
Podemos retomar el ejemplo planteado en l se observaba que las muestras tienen diferente
dispersin, aunque su media y mediana eran iguales, por lo que una forma de marcar su diferencia
es a travs del rango.
Para la primera muestra (0, 45, 50, 55, 100), el dato menor es 0 y el dato mayor es 100, por lo
que sus valores se encuentran en un rango de:
Rango = 100 0 =100
Mientras que para la segunda muestra (47, 49.5, 50, 51.5, 52), el dato menor es 47 y el dato
mayor es igual a 52 por lo que su rango correspondiente es igual a:
Rango = 52 47= 5. Lo que indica que la segunda muestra es ms homognea ya que sus
datos estn dispersos en un menor rango. Es tambin comn identificar el rango como recorrido.
A continuacin se puede observar en la Fig.10: Un ejemplo claro de lo dicho anteriormente
Fig.10: Ejemplo de rango
10
3.2.2. Desviacin Estndar
La desviacin estndar es un valor numrico cuyas unidades son las de los valores
observados; mide la tendencia de los datos a la dispersin. Una desviacin estndar grande indica
mayor variabilidad de datos que una pequea. Su frmula es la siguiente representada en la
(Fig.11)
Fig.11: Frmula de la desviacin estndar
[Link]. Datos No Agrupados
La frmula que se defini para la desviacin estndar se puede usar con los datos no
agrupados.
Fig.12: Frmula datos no agrupados
[Link]. Datos Agrupados
Cuando los datos se agruparon en una distribucin de frecuencias se aplica esta tcnica. La
frmula para la desviacin estndar de datos agrupados es la mostrada en la (Fig.13)
11
Fig.13: Frmula datos agrupados
La desviacin estndar es un valor de referencia que mide la dispersin en los datos. Cuando
menor sea el valor de la desviacin estndar, la calidad ser mejor, porque la distribucin est ms
compactada en torno al valor central.
5
3.3. Relacin entre medidas de Dispersin
Las medidas que se pudieron observar en los temas anteriores nos indican la manera en
cmo se agrupan los datos o se concentran en la parte central del conjunto, pero estas no son
suficientes para tener una buena interpretacin de los estos ya que tambin es muy importante
conocer el comportamiento opuesto es decir, la manera en que los se dispersan o se alejan los
datos de la parte central
3.3.1. La dispersin y su importancia
La importancia del concepto de dispersin se hace an ms clara, si se la observa en la
prctica, en otras palabras, puede suceder que varios conjuntos de datos tengan, la misma media
aritmtica y sin embargo, su dispersin sea muy diferente, tal como se puede apreciar a
continuacin:
Como podemos observar en los anteriores conjuntos todos tienen la misma media aritmtica
= 5, pero su dispersin o variabilidad es diferente; mientras que en el conjunto a todos los valores
son iguales a cinco, es decir no existe dispersin, em el conjunto B si existe cierto grado de
5
( Dale, 2009, pg. 118)
12
dispersin y en el grupo C la dispersin es an mayor , es mas en este conjunto ni siquiera existe
un valor que sea igual al promedio y esto puede darnos una idea de las conclusiones errneas que
podemos llegar a tomar si no tomamos en cuenta la dispersin de los datos con respecto a esta
medida.
3.3.2. Medicin de la variabilidad
Dentro de la estadstica es necesario hacer mencin a la medicin de la dispersin, existen
diferentes formas de medirla dentro de un conjunto de datos cada una de ellas posee ventajas y
tambin limitaciones.
La eleccin de una de ellas en particular depender de la situacin y si de en ese caso, las
ventajas de su utilizacin superan a las desventajas en relacin a las dems medidas
6
.
Las principales medidas de dispersin son las siguientes:
Recorrido o amplitud
Desviacin media
Desviacin estndar
3.3.3. El recorrido o amplitud
"La medida de dispersin ms simple recibe el nombre de Amplitud o recorrido y es muy poco
usada puesto que su nica ventaja es la sencillez con que se calcula. Es comn que se use
tambin el nombre de Rango para esta medida. La amplitud (A) de un conjunto de datos es la
diferencia entre las observaciones que tienen el mayor y el menor valor numrico en el mismo. El
recorrido es la diferencia entre los datos mayor y menor del conjunto. En un conjunto de datos,
mientras mayor sea el rango mayor ser su dispersin y viceversa mientras menor sea su rango
menor ser su dispersin. (Ross, 2005)
Por ejemplo si tenemos las temperaturas de un lugar A y un lugar B en diferentes pocas del
ao se registran los siguientes datos:
6
Aleman, A. V. (2012). Medidas de dispersion en datos no agrupados .
Guanacaste: UACA.
13
En este caso el rango de A es R=22-19,3=2.7
Rango de B es R=39-(-3)=42
As podemos demostrar que la dispersin de la columna de datos de B es mucho mayor que la
dispersin de datos de A.
3.3.4. La desviacin media
Dado un conjunto de datos cuya media aritmtica o promedio es , la diferencia o la distancia
de cada valor nominal x a la media aritmtica se llama desviacin del dato x con respecto a la
media . Es decir, una medicin de cuanto se alejo cada valor nominal x de la media.
Por ejemplo, de los datos mostrados en la tabla siguiente, la media aritmtica es:
=
Entonces:
La desviacin del dato x= 50 con
Respecto de la media es d=50-75= -25
Lo mismo puede decirse de los dems
datos.
Resulta que siendo la media aritmtica el
punto central de todos los valores de los datos
x, existan valores simtricos positivos y
negativos, o lo que es lo mismo, la suma de
todas las desviaciones a la media siempre es cero. Para evitar lo anterior esta suma se toma como
valor absoluto. (Aleman, 2012)
La desviacin del dato x=50 con respecto a la media es d= |50-75|= 25
14
3.4. Asimetra
Es el nmero cuya magnitud indica el grado de desviacin que tienen los datos recopilados, si
la respuesta a la asimetra es mayor que 0 se dice que es una asimetra hacia la derecha, por otro
lado si es menor a 0 se dice que es una asimetra hacia la izquierda. Esto se muestra en la
(Fig.14)
Fig.14: Asimetra
Los valores +1 y -1 implican que las distribuciones son fuertemente asimtricas.
Ejemplo:
15
3.5. Curtosis
Es el anlisis de la curva en funcin de un punto (s) ms alta de la distribucin
Si tiene un pico alto como la Fig.15(a) se dice Leptocrtica y el mientras si es aplastada
como el de la Fig.15 (b) se dice platicrtica y es cuando su , mientras que si no es muy
puntiaguda ni muy aplastada como el de la Fig.15 (c) se la conoce como mesocrtica y su
Fig.15: Curtsis
Ahora la Frmula para calcular esto es la mostrada en la Fig.17
Fig.17: Frmula de la Curtsis
16
3.6. Coeficiente de variacin
El coeficiente de variacin es la relacin entre la desviacin tpica de una muestra y su media.
El coeficiente de variacin se suele expresar en porcentajes:
El coeficiente de variacin permite comparar las dispersiones de dos distribuciones distintas,
siempre que sus medias sean positivas.
Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan
entre s.
La mayor dispersin corresponder al valor del coeficiente de variacin mayor.
Ejercicio:
Una distribucin tiene x = 140 y = 28.28 y otra x = 150 y = 24. Cul de las dos presenta
mayor dispersin?
La primera distribucin presenta mayor dispersin
7
.
4. Conclusiones Y Recomendaciones
4.1. Conclusiones
Las medidas de tendencia central son muy utilizadas dentro de la estadstica
descriptiva, y facilitan a la interpretacin de los resultados.
7
(Spiegel, 1991)
17
En la estadstica siempre se hablar de datos agrupados y no agrupados por tal
motivo existen formas de encontrar las medidas de tendencia central para cada uno de
ellos, siendo estas frmulas muy sencillas de aplicarlas.
Podemos encontrar ciertos temas de interpretacin de las curvas , muchas veces
llamadas medidas de apuntalamiento pero en realidad son una relacin de medidas
las mismas que nos ayudan a entender mejor las curvas.
4.2. Recomendaciones.
Estudiar de manera apropiada todas las medidas de tendencia centra, para poder ser
aplicadas en la resolucin de ejercicios y por ende en la interpretacin de problemas
Antes de resolver o calcular cualquier medida, sea esta de distribucin, de tendencia
central o de apuntalamiento, fijarse bien como estn agrupados los datos.
Es importante tener en cuenta la forma de las distintas curvas que encontraremos
cuando se calculen las medidas de tendencia centra y las medidas de distribucin
para darnos una nocin si estas estn bien realizadas.
5. Bibliografa
Dale, H. C. (2009). Control de Calidad. 8 va Pearson.
Aleman, A. V. (2012). Medidas de dispersion en datos no agrupados . Guanacaste: UACA.
Besterfield, D. ((2009).). Control de Calidad. Mexico: PEARSON EDUCACIN.
