UAP

CONCEPTOS CLAVES

Muestra:
Muestra: es parte de una poblacin de objetos,
personas, empresas o cosas, que es representativa
del total de elementos que conforman el universo.

Poblacin:
Poblacin: es la totalidad de las posibles
observaciones o medidas que se estn considerando
UNIVERSIDAD ALAS PERUANAS en alguna investigacin, de cuyo conjunto se toma
FACULTAD DE CIENCIAS AGROPECUARIAS una muestra.
ESCUELA PROFESIONAL DE MEDICINA
Parmetro:
Parmetro: es una medida que describe alguna
VETERINARIA caracterstica de la poblacin.

Estadgrafo o estadstico:
estadstico: es una medida que
describe alguna caracterstica de la muestra.

Lic. Eduar Rodrguez Beltrn

http://purafisica.blogspot.com/ 1

CONCEPTOS CLAVES

MEDIDAS DE
TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL

Los datos organizados en una distribucin de frecuencias destacan sus Son estadgrafos que permiten hallar un solo valor
caractersticas esenciales, como marcas de clase, forma de la distribucin, etc. numrico e indicar el "centro" de un conjunto de datos.
Sin embargo, los indicadores que describen a los datos en forma ms precisa
deben calcularse. Este nico valor numrico describe al conjunto de
Las medidas de resumen son un conjunto de tcnicas que permiten resumir datos, sealando la caracterstica que destaca en la
mucho ms los datos contenidos en una tabla de distribucin de frecuencias,
informacin.
Entre estas medidas tenemos:
para facilitar su anlisis e interpretacin. Pueden ser:
Medidas de posicin o tendencia central
La media aritmtica
Medidas de dispersin o variabilidad La mediana
Medidas de deformacin o asimetra La moda
Medidas de apuntamiento o kurtosis

Diseo Experim. - Lic. Eduar Rodriguez 1

UAP

MEDIA ARITMTICA a) MEDIA ARITMTICA DE DATOS NO AGRUPADOS

Ejemplo:

O Simplemente "Media", es el valor numrico que se obtiene dividiendo la suma Se tienen los puntajes obtenidos por un alumno en 5 (n=5) exmenes del curso
total de los valores observados de una variable entre el nmero de de Diseo experimental: 13; 10; 14; 11; 10. Calcule la media aritmtica o nota
observaciones. promedio del alumno

a) Datos no agrupados

Media
Aritmtica b.1) De variable cuantitativa discreta Interpretacin: La nota promedio del alumno del alumno es de 12 ptos.
b) Datos agrupados
b.2) De variable cuantitativa continua

b) MEDIA ARITMTICA DE DATOS AGRUPADOS b.2) De variable cuantitativa continua (o en intervalos)

b.1) De variable cuantitativa discreta (Media ponderada) Ejemplo:

Se utiliza cuando prevalece cierto "peso", importancia o repeticin de
los datos. SALARIOS QUINCENALES (EN DLARES) DE
45 EMPLEADOS
Ejemplo: Calcule el salario quincenal
promedio de los empleados.
TIEMPO DE SERVICIOS (en aos) DE LOS Salarios Marca de N yi . fi
EMPLEADOS DE LA MUNICIPALIDAD Calcule el tiempo promedio de (xi) Clase (yi) empleados
servicios (en aos) de los fi
PROVINCIAL DE HUANCAYO
empleados. [26 34> 30 1 30
Aos de servicio N empleados xi.fi [34 42> 38 2 76
(xi) (fi) [42 50> 46 4 184
[50 58> 54 10 540
5 28 140
[58 66> 62 16 992
10 16 160
[66 74> 70 8 560
15 11 165
[74 82> 78 4 312
n = 55 = 465
n = 45 = 2 694

Interpretacin: El salario quincenal promedio de cada empleado es de 60

Interpretacin: El tiempo de servicios promedio de los empleados es de 8 dlares.
aos y medio, aproximadamente.

VENTAJAS DE LA MEDIA ARITMTICA: MEDIANA (Me)

Es un estadgrafo de gran estabilidad porque toma en cuenta los valores de
todos los datos. Es el valor de la variable que divide al total de los datos - debidamente
Es til cuando los datos siguen aproximadamente una distribucin simtrica ordenados o tabulados - en 2 partes de igual tamao. A diferencia de la media
(no hay mucha distancia entre dato y dato). aritmtica, depende del nmero de datos y no de sus valores.

DESVENTAJAS DE LA MEDIA ARITMTICA:

Como incluye todos los valores de los datos, se ve afectada por los valores
extremos. Me

Ejemplo: Sean los datos No ms del No ms del

4; 6; 8; 12
Media aritmtica = 7,50 50% de los 50% de los
datos datos
4; 6; 8; 20
Media aritmtica = 9,50
4; 6; 8; 35
Media aritmtica = 13,25
a) Datos no agrupados
Cuando los datos agrupados tienen clases o intervalos abiertos no se puede
calcular la media aritmtica. Mediana
b.1) De variable cuantitativa discreta
b) Datos agrupados
b.2) De variable cuantitativa continua

Diseo Experim. - Lic. Eduar Rodriguez 2

UAP

Caso 2: Nmero par de datos:

a) MEDIANA DE DATOS NO AGRUPADOS
Se tienen los pesos (en Kg.) de 6 cajas enviadas por encomienda. Calcule la
Ejemplo:
mediana de dichos pesos: 5; 20; 8; 12; 35; 78
Caso 1: Nmero impar de datos:
- Ordenamos en forma creciente o decreciente: 5; 8; 12; 20; 35; 78
Se tienen las calificaciones del curso de DISEXP de 5 alumnos del IV ciclo de la
De donde se observa que n = 6
E.M.V de la UAP. Calcule la mediana de dichas calificaciones: 10; 15; 13; 12;
- La Me est dada por la semisuma de los dos datos que ocupan el la posicin
20
central:
- Ordenamos en forma creciente o decreciente: 10; 12; 13; 15; 20
De donde se observa que n = 5

- La Me est dada por el dato que ocupa el lugar

Por lo tanto: Me =
Por lo tanto: Me =

Interpretacin: De los 6 cajas, 3 tienen pesos menores o iguales a 16 Kg, y

las 3 restantes tienen pesos mayores o iguales a 16 Kg.
Interpretacin: De los 5 alumnos, 2 tiene notas menores a 13 y los otros 2
restantes tienen notas mayores que 13.

b) MEDIANA DE DATOS AGRUPADOS

Ejemplo: Dada la siguiente tabla de distribucin, calcule la Me.
b.1) De variable cuantitativa discreta
DISTRIBUCIN DE ALUMNOS SEGN La Me est dada
Ejemplo: Dada la siguiente tabla de distribucin, calcule la Me. PUNTAJES OBTENIDOS EN ESTADSTICA
por la semisuma
DISTRIBUCIN DE 20 EMPRESAS SEGN La Me est Puntajes N de alumnos Fr. Abs. Acum. del valor de xi
NMERO DE TRABAJADORES (xi) (fi) Fi
dada por el correspondiente a
9 2 2
N trabajadores
(xi)
N empresas
(fi)
Fr. Abs. Acum.
Fi
valor xi 10 6 8 la frecuencia
11 Me = 11+12 10 18
2 1 1 correspondiente 12 2 7 25
acumulada igual
3
4
M 4
7
5
12
a la frecuencia 13 Me = 11,5 6 31 a n/2 y su
14 5 36
5 e 5 17 acumulada que n = 36
consecutivo
6 3 20
n = 20
super a n/2 posterior.
- Se calcula n/2, Para nuestro caso: n = 36, entonces n/2 = 18. Observacin: El
valor de n/2=18 coincide con una de las frecuencias acumuladas.
- Se calcula la menor frecuencia absoluta acumulada (Fi) que supera a n/2.
En nuestro caso: n = 20 , entonces n/2 = 10. Observacin: El valor de n/2=10, no
Interpretacin: el 50% de los alumnos tienen como mximo la nota de 11,5
coincide con ninguna frecuencia acumulada. y el otro 50% restante, notas mayores que 11,5.
Interpretacin: el 50% de las empresas tienen como mximo 4
trabajadores y el otro 50% tiene ms de 4 trabajadores.

b) MEDIANA DE DATOS AGRUPADOS - Se calcula el INTERVALO

b.2) De variable cuantitativa continua (o en intervalos) MEDIANO, el cual corresponde a DISTRIBUCIN DE 80 TRABAJADORES
la frecuencia acumulada que SEGN SUELDO
Ejemplo: Dada la siguiente tabla de distribucin, calcule la Me. supera a n/2. En nuestro caso a la
Sueldos N Trabajad. Fr. Abs. Acum.
frecuencia acumulada 44. (xi) (fi) Fi
DISTRIBUCIN DE 80 TRABAJADORES - En el intervalo mediano se
[ 90 120> 11 11
SEGN SUELDO puede reconocer lo siguiente: F
[120 150> 13 24
Lmite inferior (Li) = 150 [150 180> 20 44
Sueldos N Trabajad. Fr. Abs. Acum. [180 210> 17 f 61
(xi) (fi) Fi
Amplitud (I) = 30 Intervalo
- La Mediana est dada por la [210 240> 15 76
mediano
[ 90 120> 11 11 [240 270> 3 79
[120 150> 13 24
siguiente frmula: [270 300> 1 80
[150 180> 20 44 n = 80
[180 210> 17 61
[210 240> 15 76
[240 270> 3 79 En nuestro caso:
[270 300> 1 80
n = 80
F = Frec. Acum. anterior a la frec.
acum. del intervalo mediano (24)
- Se calcula n/2, Para nuestro caso: n = 80, entonces n/2 = 40. f = Frec. absoluta del intervalo
mediano (20) Interpretacin: 50% de los
trabajadores perciben sueldos
menores o iguales a S/. 174

Diseo Experim. - Lic. Eduar Rodriguez 3

UAP

Peso M. frec Fr.

Clase acum.

40 50 45 5 5
Peso M. Clase Fr. Fr. ac.
50 60 55 10 15
40 50 45 5 5
60 70 65 21 36 50 60 55 10 15
70 - 80 75 11 47 60 70 65 21 36
80 - 90 85 5 52 70 - 80 75 11 47
90 - 100 95 3 55 80 - 90 85 5 52
100 130 115 3 58 90 - 100 95 3 55
100 130 115 3 58

En el histograma se identifica unidad de rea 58

con individuo.

Para calcular la media es necesario elegir un

punto representante del intervalo: La marca de
clase.

La media se desplaza hacia los valores
Moda = marca de clase de (60,70] = 65

extremos. No coincide con la mediana. Es un
punto donde el histograma estara en equilibrio
si tuviese masa.

VENTAJAS DE LA MEDIANA: MODA (Mo)

La mediana no est afectada por los valores extremos, ya que no se calcula
a partir de los valores de los datos. Es el valor ms frecuente de una variable, o el que ms se
Es recomendable trabajar con la mediana cuando se tienen tablas de
distribucin con intervalos en donde no se indica el extremo inferior del repite. La moda no siempre existe y si existe, no siempre es
primer intervalo o el extremo superior del ltimo intervalo. nica.
Es til cuando se tienen datos cualitativos susceptibles de ordenarse de
acuerdo a rangos, calificaciones o categoras (ejemplo: Muy malo, malo,
regular, bueno, muy bueno)
a) Datos no agrupados
DESVENTAJAS DE LA MEDIANA:
Se deben organizar los datos antes de realizar cualquier tipo de clculo para Moda
determinar la mediana. Esto consume tiempo si se trabaja con muchos b.1) De variable cuantitativa discreta
datos. b) Datos agrupados
La mediana no es adecuada para manipulaciones algebraicas. b.2) De variable cuantitativa continua

a) MODA DE DATOS NO AGRUPADOS

Ejemplo 1: Unimodal
Calcular la moda de los gastos semanales en movilidad (en Nuevos
Soles) de un alumno de la U.A.P. de MEDVET: 5; 4; 8; 6; 5; 9; 5

- Observando los datos se puede apreciar que el dato que ms se

repite es 5 (Unimodal)

Interpretacin: El gasto en movilidad ms frecuente del alumno es

de S/. 5

Ejemplo 2: Bimodal
Calcular la moda del nmero de horas que se emplea un equipo
multimedia en la U.A.P. de MEDVET: 2; 1; 3; 2; 1; 4; 2; 6; 1; 5

- Observando los datos se puede apreciar que los datos que ms se

repiten son es 1 y 2 (Bimodal)

Interpretacin: El nmero de horas ms frecuente que se hace uso

del equipo multimedia es de 1 y 2 horas.

Diseo Experim. - Lic. Eduar Rodriguez 4

UAP

b) MODA DE DATOS AGRUPADOS b) MODA DE DATOS AGRUPADOS

b.1) De variable cuantitativa discreta b.2) De variable cuantitativa continua (o en intervalos)

Ejemplo: Dada la siguiente tabla de distribucin, calcule la Ejemplo: Dada la siguiente tabla de distribucin, calcule la
DISTRIBUCIN DE 80 FAMILIAS SEGN
Mo. DISTRIBUCIN DE FAMILIAS SEGN Mo. CONSUMO DE CARNE SEMANAL
N Kg. carne N Familias El intervalo modal est
NMERO DE MIEMBROS (xi) (fi)
15 fj-1 dada por el valor de la
N Personas
(xi)
N Familias
(fi)
La Mo est dada por Intervalo
[0 2>
[2 4> 26 fj
modal [4 6> 20 fj+1
2
3
M 16
24
el valor de la variable [6 8> 13 variable que tiene
[8 10> 6
4 o 52
5 76 que tiene n = 80 mayor frecuencia
6 40
7 o ms 12
mayor frecuencia absoluta
- Ubicar la mayor frecuencia absoluta (fj), luego las
n = 20 absoluta frecuencias anterior (fj-1)y posterior (fj+1).
Interpretacin: El nmero de miembros que conforman - La clase o intervalo modal corresponde a la mayor
una familia ms frecuente es de 5 personas. frecuencia absoluta (fj). En nuestro caso el intervalo [2 4>.
Luego fj-1=15 y fj+1=20.

VENTAJAS DE LA MODA:
- En el intervalo modal se puede reconocer DISTRIBUCIN DE 80 FAMILIAS SEGN Se puede utilizar como una localizacin tanto para datos cualitativos como
lo siguiente: CONSUMO DE CARNE SEMANAL cuantitativos.
Lmite inferior (Li) = 2 No est afectada por los valores extremos.
Amplitud (I) = 2 N Kg. carne N Familias
(xi) (fi) Se puede calcular an cuando una o ms de las clases o intervalos sean
- La Moda est dada por la siguiente
abiertos.
frmula: [0 2> 15 fj-1
Intervalo [2 4> 26 fj DESVENTAJAS DE LA MODA:
modal
[4 6> 20 fj+1 Muy a menudo no hay un solo valor modal. Pueden darse distribuciones
[6 8> 13 unimodales (1 moda), bimodales (2 modas), multimodales (ms de 2
[8 10> 6 modas), las cuales son difciles de interpretar.
En nuestro caso: Algunas veces el conjunto de datos no contiene valores que se repitan ms
n = 80
de una vez. Otras veces, cada valor es la moda, porque cada uno aparece
el mismo nmero de veces. En estos casos la moda no es una medida til.

Interpretacin: La cantidad
de Kg. de carne que con ms
frecuencia consumen dichas
familias es 3,14 Kg.

Relacin entre media, mediana y moda:

Si la distribucin de frecuencias de los datos es simtrica, entonces la
media, la mediana y la moda tienen el mismo valor:

Si la distribucin es asimtrica de cola a la derecha, entonces, la moda es

menor que la mediana y sta a su vez es menor que la media:
MEDIDAS DE
DISPERSIN

Si la distribucin es asimtrica de cola a la izquierda, entonces la media es

menor que la mediana y sta a su vez es menor que la moda.

Diseo Experim. - Lic. Eduar Rodriguez 5

UAP

ESTADGRAFOS DE DISPERSIN:
( 
LA VARIANZA (


Los estadsticos de variabilidad o dispersin nos indican si los
valores estn prximas entre s o si por el contrario estn o
muy dispersas.

Se define como la media de las diferencias cuadrticas de n

Una medida razonable de la variabilidad podra ser la puntuaciones con respecto a su media aritmtica, es decir:
amplitud o rango,
rango que se obtiene restando el valor ms bajo
de un conjunto de observaciones del valor ms alto. Es fcil
de calcular y sus unidades son las mismas que las de la
variable, aunque posee varios inconvenientes:
No utiliza todas las observaciones (slo dos de ellas);
Se puede ver muy afectada por alguna observacin extrema;
Para datos agrupados en tablas, la varianza se puede escribir
El rango aumenta con el nmero de observaciones, o bien se como:
queda igual. En cualquier caso nunca disminuye.

ESTADGRAFOS DE DISPERSIN:
LA DESVIACIN TPICA (S)

La varianza no tiene la misma magnitud que las
observaciones (Ej. si las observaciones se miden
en metros, la varianza lo hace en metros^2). Si
queremos que la medida de dispersin sea de la
misma dimensin que las observaciones bastar
con tomar su raz cuadrada. Por ello se define la
desviacin tpica,
tpica como:

Observaciones:
Tanto la varianza como la desviacin tpica, son
sensibles a la variacin de cada una de las
puntuaciones, es decir, si una puntuacin cambia,
cambia con ella la varianza.
Si se calculan a travs de los datos agrupados en una
tabla, dependen de los intervalos elegidos. Es decir,
cometemos cierto error en el clculo de la varianza
cuando los datos han sido resumidos en una tabla
estadstica mediante intervalos, en lugar de haber
sido calculados directamente como datos no
agrupados. Este error no ser importante si la
eleccin del nmero de intervalos, amplitud y lmites
de los mismos ha sido adecuada.

Tipificacin.
Tipificacin. Se conoce por tipificacin al proceso de restar la

Grados de libertad.
libertad.
media y dividir por su desviacin tpica a una variable X. De
este modo se obtiene una nueva variable de media  =0 y
desviacin tpica , que denominamos variable tipificada.
tipificada Por qu calculamos la varianza dividiendo por n - 1, en lugar de dividir por
: n?
Como la suma de las desviaciones es 0, la ltima desviacin es una
combinacin lineal de las n - 1 desviaciones restantes.
Por lo tanto, no estamos calculando el promedio de n nmeros

Esta nueva variable carece de unidades y permite hacer comparables dos
medidas que en un principio no lo son, por aludir a conceptos diferentes. Por
independientes (los desvos). Solo n -1 de las desviaciones al cuadrado
ejemplo si deseamos comparar el nivel acadmico de dos estudiantes de pueden variar libremente y por ello, promediamos la suma de los desvos al
diferentes Universidades para la concesin de una beca de estudios, en cuadrado dividiendo por n -1.
principio sera injusto concederla directamente al que posea una nota media
ms elevada, ya que la dificultad para conseguir una buena calificacin Al numero n -1 se lo denomina grados de libertad de la varianza o de la
puede ser mucho mayor en un centro que en el otro, lo que limita las desviacin tpica.
posibilidades de uno de los estudiante y favorece al otro. En este caso, lo
ms correcto es comparar las calificaciones de ambos estudiantes, pero
tipificadas cada una de ellas por las medias y desviaciones tpicas respectivas
de las notas de los alumnos de cada Universidad.

Diseo Experim. - Lic. Eduar Rodriguez 6

UAP

Hemos visto que las medidas de centralizacin y dispersin nos dan

informacin sobre una muestra. Nos podemos preguntar si tiene
sentido usar estas magnitudes para comparar dos poblaciones. Por
ejemplo, si nos piden comparar la dispersin de los pesos de las
poblaciones de elefantes de dos circos diferentes, S nos dar
informacin til.
MEDIDAS DE

Pero qu ocurre si lo que comparamos es la altura de unos
elefantes con respecto a su peso? Tanto la media (  ) como la
desviacin tpica (S), se expresan en las mismas unidades que la
DEFORMACIN
variable. Por ejemplo, en la variable altura podemos usar como
unidad de longitud el metro y en la variable peso, el kilogramo.
Comparar una desviacin (con respecto a la media) medida en
metros con otra en kilogramos no tiene ningn sentido

Asimetra
En los temas anteriores hemos visto las medidas de
tendencia central y las medidas de variabilidad.
Si bien la obtencin de tales medidas es clave para
describir una muestra y efectuar inferencias sobre la
poblacin de origen, es tambin fundamental saber
obtener una caracterizacin adecuada de los datos.
Asimetra
Si bien es fcil tener una idea de si la distribucin es
simtrica o no tras ver la representacin grfica, es
importante cuantificar la posible asimetra de una
distribucin.
Recordemos que cuando la distribucin de los datos es
simtrica, la media, la mediana y la moda coinciden. (Y la
distribucin tiene la misma forma a la izquierda y la
derecha del centro)

ndices de asimetra ndices de asimetra

1. ndice de asimetra de Pearson 2. ndice de asimetra de Fisher

Muy sencillo de calcular. Est basado en la relacin Est basado en la diferencia de los datos sobre la
entre la media y la moda en distribuciones simtricas y media, como la varianza, si bien esta vez se elevan los
asimtricas: coeficientes al cubo

Si la distribucin es simtrica As ser 0

Si la distribucin es simtrica As ser 0
Si la distribucin es asimtrica positiva, As ser mayor que 0
Si la distribucin es asimtrica positiva, As ser mayor que 0
Si la distribucin es asimtrica negativa, As ser menor que 0
Si la distribucin es asimtrica negativa, As ser menor que 0
Desventaja: Muy influida por puntuaciones atpicas (ya lo
volveremos a comentar en el ltimo punto de este tema).

Diseo Experim. - Lic. Eduar Rodriguez 7

UAP

Asimetra
Asimetra hacia la derecha Asimetra hacia la izquierda
(asimetra positiva) (asimetra negativa)

MEDIDAS DE
APUNTAMIENTO
Al ser positiva significa que la Al ser negativa significa que la
grfica es asimtrica por la grfica es asimtrica por la
derecha de la media y por izquierda de la media y por
tanto los valores mayores que tanto los valores menores que
ella estn ms dispersos que ella estn ms dispersos que
los menores. los mayores.

Curtosis o apuntamiento ndice de curtosis

La curtosis representa la elevacin o achatamiento de una Para una distribucin normal (mesocrtica) sabemos que
distribucin, comparada con la distribucin normal. Una
curtosis positiva indica una distribucin relativamente
elevada, mientras que una curtosis negativa indica una
distribucin relativamente plana. Y esta va a ser la referencia para el ndice de curtosis que
El estndar es la distribucin normal: distribucin vamos a emplear
mesocrtica.
Si la distribucin es ms apuntada que la distribucin
normal tenemos una distribucin leptocrtica.
Si la distribucin es ms achatada que la distribucin Si la distribucin es normal (mesocrtica), el ndice vale 0
normal tenemos una distribucin platicrtica.
Si la distribucin es leptocrtica, el ndice es superior a 0
Si la distribucin es platicrtica, el ndice es inferior a 0

Curtosis
Leptocrtica Platicrtica

Gracias

Al ser negativa significa

Al ser positiva significa que que la grfica es menos
la grfica es ms apuntada apuntada que la grfica de
que la grfica de la la distribucin normal y por
distribucin normal y por tanto los valores alrededor
tanto los valores alrededor de la media estn menos
de la media estn mas concentrados que en la
concentrados que en la Distribucin Normal.
Distribucin Normal.

48

Diseo Experim. - Lic. Eduar Rodriguez 8