Beruflich Dokumente
Kultur Dokumente
La estadstica busca entre otras cosas, describir las caractersticas tpicas de conjuntos de datos y, como hay varias formas de hacerlo, existen y se utilizan varios tipos de promedios. Se les llama medidas de tendencia central porque general mente la acumulacin ms alta de datos se encuentra en los valores intermedios. Las medidas de tendencia central comnmente empleadas son : Media aritmtica Mediana Moda Media geomtrica Media armnica
Moda
La moda es el valor que aparece con mayor frecuencia en la serie de datos. As por ejemplo, de la serie {14, 15, 17, 17, 21, 21, 21, 33, 36, 40}, la moda es 21. La moda es una medida muy natural para describir un conjunto de datos; su concepto se adquiere fcilmente : es la altura ms corriente, es la velocidad ms comn, etc. Adems tiene la ventaja de que no se ve afectada por la presencia de valores altos o bajos. La principal limitacin esta en el hecho de que requiere un nmero suficiente de observaciones para que se manifieste o se defina claramente. Otros inconvenientes son que puede darse el caso de que una determinada serie no tenga moda o que tenga varias modas. Por ejemplo : L, K, M, O, N (no hay moda) 5, 6, 10, 5, 8, 6, 7, 4 (2 modas)
Mediana
La mediana toma en cuenta la posicin de los datos y se define como el valor central de una serie de datos o, ms especficamente, como un valor tal que no ms de la mitad de las observaciones son menores que el y no ms de la mitad mayores. El primer paso es ordenar los datos de acuerdo a su magnitud, luego se
determina el valor central de la serie y esa es la mediana. Si el nmero de datos es par, existirn dos valores centrales y entonces la mediana se obtiene sacando el promedio de ellos. Por ejemplo : 7, 8, 8, 10, 12, 19, 23 Med = 10 3, 4, 4, 5, 16, 19, 25, 30 Med = (5+16)/2 = 10.5
Los Cuantilos
En algunas ocasiones es importante obtener valores que dividan el conjunto de datos en fracciones especificas. As como la mediana divide el conjunto de datos en dos partes iguales, es decir, la mitad de los valores son inferiores a la mediana y la otra mitad son superiores. Si cada una de estas mitades se volviera a dividir por la mitad, el conjunto quedara dividido en cuatro partes y cada parte se llamara cuartilo.
Pero el conjunto puede dividirse tambin por 10 (deciles) o por 100 (percentiles) y todos se llaman cuantilos. Tanto la mediana, como los cuartilos y los deciles pueden expresarse como percentiles. Por ejemplo: Me = P50; Q3 = P75; D4 = P40 As que conociendo los percentiles se puede averiguar cualquier cuantilo. Para el clculo de los percentiles, el conjunto de datos debe estar ordenado, luego se aplica la siguiente frmula : Pm = m 100 (n+1) termino
Donde: Pm = Percentil m. Valor tal que un m/100 de las observaciones son menores que el y un 1 - m/100 son mayores. m = Nmero que indica el percentil que se quiere. Por ejemplo, si m = 43, esto quiere decir que se quiere el percentil 43 (P43). n = Nmero total de observaciones. Ejemplo :
Calcular el percentil 77 de los siguientes datos : 32, 35, 36, 37, 40, 40, 41, 41, 42, 43, 43, 44, 45, 45, 46, 46, 47, 47, 48, 49, 49, 50, 51, 51, 52, 53, 53, 54, 55, 56, 57, 59, 60, 60, 62, 66, 67, 68, 70, 74.
El percentil 77 (P77) ser el valor que este ubicado en la 31. 57 posicin del conjunto de datos, pero esta posicin no existe y entonces hay que hacer una extrapolacin entre los datos 31 y 32. El 31 dato corresponde a 57 mientras que el 32 dato corresponde a 59, entonces diremos que el P77 es un 57% de 59 ms un 43% de 57. P77 = (0.43 * 57) + (0.57 * 59) = 58.14
Media Aritmtica
La media aritmtica es el promedio ms comnmente usado, este puede ser simple o ponderado. La media aritmtica simple esta dada por la formula SX/n y que significa: la suma de todos los valores dividida por el nmero de datos. Por ejemplo: 10, 13, 10, 13, 14, 10, 13, 10, 15
Media Geomtrica
La media geomtrica es la raz ensima del producto de todos los valores de la serie.
Como este sistema de calculo resulta muy difcil de emplear, mxime cuando son nmeros grandes o largas series de datos, en la prctica se recurre a los logaritmos. xg = antilog (S log xi)/n as la xg del ejemplo se calculara as : xg = antilog ( log 3 + log 4 + log 9 + log 12 ) 4 xg = antilog (0.477 + 0.602 + 0.954 + 1.079 ) 4 xg = antilog (3.11) 4 xg = antilog 0.78 xg = 6
Media Armnica
La media armnica se define como el recproco de la media aritmtica de los recprocos de los valores.
Xa = 3
Donde L = Limite inferior de la clase modal. d1 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase anterior. d2 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la clase posterior. C = Intervalo de clase.
Por ejemplo : Primero se localiza la clase modal que es aquella en la que hay la mayor densidad de frecuencia por unidad de intervalo y luego aplicar la formula. La clase es : 44.5 - 49.5 Entonces: Mo = 44.5 + 1 * 5 1+2 = 44.5 + 1.67 = 46.17
Donde: n = Nmero total de observaciones. L = Limite inferior de la clase que contiene la mediana. f = Frecuencia de la clase que contiene la mediana. F = Frecuencia acumulada "menos de" de la clase anterior. C = Intervalo de clase. La determinacin de la clase que contiene la mediana se hace dividiendo n/2 y viendo en cual clase qued este acumulado. En el ejemplo es la clase 44.5 49.5 ya que en sta qued el 20 dato.
Donde: Pm = Percentil m. m = Nmero del percentil deseado. n = Nmero total de observaciones. L = Limite inferior de la clase donde est el percentil. f = Frecuencia de la clase que contiene el percentil. F = Frecuencia acumulada de la clase anterior a la que contiene el percentil C = Intervalo de clase. Clculo del P72 Primero se determina la clase donde est el percentil deseado as : m/100 * n = 72/100 * 40 = 28.8 O sea que el P72 es el 28.8 trmino de la serie y ste queda en la clase 54.5 59.5. P72 = 54.5 + 28.8 - 28 * 5 = 55.5 4
Ventajas De La Mediana
Es estable a los valores extremos. Es recomendable para distribuciones muy asimtricas.
Desventajas De La Mediana
No presenta todo el rigor matemtico. Se emplea solo en variables cuantitativas.
Ventajas De La Moda
Es estable a los valores extremos. Es recomendable para el tratamiento de variables cualitativas.
Desventajas De La Moda
Pueda que no se presente. Puede existir ms de una moda. En distribuciones muy asimtricas suele ser un dato muy poco representativo.