Presentaciòn 5

MEDIDAS DE POSICIN Y
DE TENDENCIA
MEDIDAS DE DISPERSIN, DE FORMACIN Y
APUNTAMIENTO
Chap 3-1
2013 Ing. Jos Luis Tupac Yupanqui A.
02/10/2013
Bibliografa
Estadstica y muestreo (13a. ed.)

Martnez Bencardino, Ciro
Pginas: 898
Editorial: Ecoe Ediciones
Ubicacin: Colombia
Estadstica descriptiva
Fecha de publicacin: 2012
Monroy Saldvar, Salvador
Idioma: es
Pginas: 326
Introduccin a la Estadstica
para los Negocios
Ronald M. Weiers
Pginas: 326
Quinta Edicin
Idioma: es
Editorial: Instituto Politcnico Nacional

Ubicacin: Mxico
Fecha de publicacin: 2008
Idioma: es
Chap 3-2
02/10/2013
ESTADISTICA PARA LA INGENIERIA
Medidas para resumen

numrico de los datos
Tendencia Central
Tendencia Central
Cuartiles
Media
Cuartiles
Moda
Mediana
Varianza
Variacin
Coeficiente de
Variacin
Rango
Varianza
Media Ponderada
Desviacin Estndar
Chap 3-3
02/10/2013
Los mtodos de representacin grfica proporcionan un

punto de partida para el anlisis de los datos. Sin
embargo, tambin es necesario estar familiarizado con
medidas descriptivas que proveen un resumen sencillo de
un conjunto de datos.
No comer la media, ni la mediana,

ni siquiera el primer decil.
Chap 3-4
02/10/2013
INTRODUCCION
En este capitulo analizaremos los mtodos
para representar los datos con un solo valor
numrico.
Chap 3-5
02/10/2013
OBJETIVOS
El objetivo en este capitulo es:
Describir los datos a travs de medidas de

tendencia central y de dispersin.
Utilizar la computadora para obtener una
representacin grafica de los datos con un
diagrama de caja.
Chap 3-6
02/10/2013
INDICE
Medidas de tendencia central.
Cuartiles.
Medidas de Variacin - Variacin
Chap 3-7
02/10/2013
Existen 2 grandes categoras de medidas que
resumen numricamente los datos:
Las medidas de tendencia central o de

posicin
Las medidas de variabilidad o de dispersin.
Chap 3-8
02/10/2013
Las medidas de tendencia central describen

la localizacin central de un conjunto de
observaciones numricas
Chap 3-9
02/10/2013
Las medidas de variacin describen la

dispersin o el grado de
homogeneidad/heterogeneidad de un conjunto
de datos
Chap 3-10
02/10/2013
Medidas para resumen

numrico de los datos
Tendencia Central
Media
Cuartiles
Variacin
Rango
Coeficiente
de Variacin
Moda
Mediana
Varianza
Media
Ponderada
Chap 3-11
Desviacin Estndar
02/10/2013
Medidas de Tendencia Central

Tendencia Central
Mediana
Media
Moda
Media Ponderada
x
i 1
Chap 3-12
02/10/2013
Medidas de Tendencia Central
Son aquellas que determinan los valores centrales de los datos de un

experimento. Existen varios tipos de medidas de tendencia central, aqu
estudiaremos la media, la mediana y la moda.
Fuente:
Matus, R.; Hernndez, Martha; Garca, E.. Estadstica.
Mxico: Instituto Politcnico Nacional, 2010. p 2.
Copyright 2010. Instituto Politcnico Nacional. All rights reserved.
Chap 3-13
02/10/2013
Media
Conocido como Media Aritmtica
La media aritmtica es el valor que se obtiene al dividir
la suma total entre el nmero de datos.

Para n valores x1, x2,..., xn, la media es:
n
X
Chap 3-14
X
i 1
X1 X 2
Xn
02/10/2013
Media
Es la medida de tendencia central mas utilizada

Afectada por valores extremos (Outliers)
0 1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10 12 14
Media = 5
Chap 3-15
Media = 6
02/10/2013
Media para una serie de frecuencias

Ejemplo: Si los valores 2, 5, 6 y 8, se presentan
con frecuencias 4, 1, 3 y 4 respectivamente,
calcule la media aritmtica:
Chap 3-16
02/10/2013
Media para una serie de frecuencias

Ejemplo: Si los valores 2, 5, 6 y 8, se presentan
con frecuencias 4, 1, 3 y 4 respectivamente,
calcule la media aritmtica:
Chap 3-17
02/10/2013
Media para datos agrupados

(Serie de clases y frecuencia)
Cuando los datos se presentan mediante una distribucin de clases y
frecuencias todos los valores caen dentro de unos intervalos de clase
dados, en estos casos hay que considerar el promedio de cada uno y por lo
tanto se utiliza la "marca de clase" o punto medio de cada intervalo que
podemos representar con la letra (gamma).
Chap 3-18
02/10/2013
Media para datos agrupados

(Serie de clases y frecuencia)
Ejemplo: Encontrar la altura media de los estudiantes que se presentan en la siguiente
tabla:
Chap 3-19
02/10/2013
Mediana
Es una medida robusta de la tendencia central

No es afectada por valores extremos
0 1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10 12 14
Mediana = 5
Mediana = 5
En un conjunto de datos ordenado, la mediana es:
El valor central, si n es impar

El promedio de los 2 valores centrales, si n es par
Chap 3-20
02/10/2013
Mediana para una serie simple y de

frecuencias
En resumen podemos decir que el procedimiento

para obtener la mediana es el siguiente:
Chap 3-21
02/10/2013
Ejemplo 1:
Encontrar la mediana del grupo 5, 6 y 8.
Primero:
Definimos la posicin de la mediana con la
frmula (n + 1)/2, por tanto, para tres valores, el
lugar donde se encuentra la mediana es:
(3 + 1)/2 = 2, o sea
en la segunda posicin de la serie que
corresponde al valor de 6.
Chap 3-22
02/10/2013
Ejemplo 2:
Obtener la mediana de los siguientes valores:
7, 8, 9 y 10
Siguiendo la frmula, la mediana ocupa el lugar
(4+1)/2 = 2.5
que se encuentra entre los dos valores
intermedios, o sea entre 8 y 9 y, en este caso,
la mediana es igual al valor intermedio de los
dos valores, es decir, (8+9)/2 = 8.5.
Este resultado deja dos valores menores y dos mayores o dicho de
otra forma, divide a la serie en dos partes guales.
Chap 3-23
02/10/2013
Ejercicios
Fuente:
Estadstica descriptiva
Monroy Saldvar, Salvador
Encontrar el lugar y el valor de la mediana de las siguientes series:
Chap 3-24
02/10/2013
Mediana para una serie de clases

y frecuencias
= (Mayor - Menor) + 1
Chap 3-25
02/10/2013
Ejemplo
Hallar la mediana de las estaturas de los 40
estudiantes a partir de la siguiente distribucin
de clases y frecuencias:
Chap 3-26
02/10/2013
Moda
Es una medida de tendencia central

Es el valor que ocurre con mayor frecuencia
No es afectado por valores extremos
Es utilizado tanto para datos numricos como
datos categricos
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Chap 3-27
Moda
9 Tupac Yupanqui A.
2013
Ing. Jos=
Luis
0 1 2 3 4 5 6
Sin Moda
02/10/2013
MODA para series simples y de frecuencias

Casos posibles:
Chap 3-28
02/10/2013
Moda
La moda puede no existir (ejemplo anterior) o

pueden existir varias modas:
Chap 3-29
02/10/2013
MODA para una serie de clase y frecuencias

Ejemplo
Hallar la media, mediana y la moda de los siguientes datos:
A. 3, 5, 2, 6, 5, 9, 5, 2, 8, 6
Chap 3-30
02/10/2013
Chap 3-31
02/10/2013
MODA para una serie de clase y frecuencias

Ejemplo
Hallar la media, mediana y la moda de los siguientes datos:
B. 48.7. 48.9, 49.5, 50.3, 51,6
Chap 3-32
02/10/2013
Moda para datos agrupados

D1
Mo Li A
D1
D2
D1=fi-fi-1
Diferencia Frecuencia Absoluta modal y pre modal.
D2=fi-fi+1
Diferencia, Frecuencia Absoluta modal y pos-modal.
Li
A
Limite inferior clase modal.

Ancho intervalo.
Chap 3-33
02/10/2013
Ejemplo
Edades
Inf
Sup
D1
Mo Li A
D1 D2
20
25
25
25
30
25
30
35
35
D1=fi-fi-1
35-25=10
35
40
15
D2=fi-fi+1
35-15=20
Li
A
30
5
Total 100
Mo=30+5[10/(10+20)]
Mo=31.65 aos
Chap 3-34
02/10/2013
Ejemplo
3. Encontrar la moda, la media y la mediana de las 100 puntuaciones que se
presentan en la siguiente distribucin de frecuencias agrupadas:
D1
Mo Li A
D1 D2
D1=fi-fi-1
41-14=27
D2=fi-fi+1
41-26=15
Li
A
14
2
Mo=14+2[27/(27+15)]
Mo=15.28 puntuaciones
Chap 3-35
02/10/2013
Tabla de Comparacin
Chap 3-36
02/10/2013
Media Ponderada
En ciertas circunstancias no todas las

observaciones tienen igual peso. En general si
se tienen observaciones con valores
diferentes x1, x2, , xn con sus respectivos
pesos w1, w2, ,wn, la media ponderada se
calcula:
Chap 3-37
02/10/2013
Media Ponderada
Ejemplo: Notas MCI: 16, 18, 17, 14

50% nota prueba, 30% nota trabajo, 10% nota practica
1, 10% nota prctica 2
Promedio final:
XW
= (5x16 + 3x18 + 17x1 + 14x1)/10

= (80 + 54 + 17 + 14)/10 = 16.5
Chap 3-38
La Forma de la Distribucin
Determina las posiciones relativas de la

media, la mediana, y la moda para un
conjunto de valores de datos.
O Distribucin Negativamente
Sesgada
Chap 3-39
O Distribucin Positivamente
Sesgada
El Sesgo
Es la tendencia de la distribucin a
acumularse a la derecha o a la izquierda .
Chap 3-40
Distribuciones
Distribucin simtrica
Distribucin positivamente sesgada

En este caso la mediana est a la derecha de la
moda y la media est a la derecha de la mediana.
Distribucin negativamente sesgada

En este caso la mediana est a la izquierda de
la moda y la media est a la izquierda de la
mediana.
Chap 3-41
Chap 3-42
Cunto es la Moda:?
Chap 3-43
Cunto es la Moda:?
Chap 3-44
Fuente: BCRP, SBS, Reuters y Datatec.

Elaboracin: Gerencia de Informacin y Anlisis Econmico - Subgerencia de Estadsticas Macroeconmicas.
Chap 3-45
Calcular:
La moda, media y mediana del Tipo de Cambio
tanto en la compra y venta para el ao de su
eleccin.
Fuente: BCRP, SBS, Reuters y Datatec.

Elaboracin: Gerencia de Informacin y Anlisis Econmico - Subgerencia de Estadsticas Macroeconmicas.
Chap 3-46
CUANTILES
Un cuantil es un punto en una escala numrica que se supone abarca
una serie de observaciones dividindola en dos grupos, cuyas
respectivas proporciones se conocen.
A medida que se divide la serie en ms partes aparecen los cuartiles,
quintiles, deciles y percentiles.
Una serie donde sus valores se encuentren ordenados de forma
creciente o decreciente, aquellos tres trminos que dividen a la serie
en cuatro partes o grupos de nmeros iguales, El primero de stos
recibe el nombre del primer cuartil Q1, el siguiente segundo cuartil
Q2 y el ltimo tercer cuartil Q3.
Anlogamente, los trminos que dividen a la serie en 10 partes
iguales, se llaman "deciles" y se representan por D1, D2, ..., D10, y los
trminos que dividen a a serie ordenada en 100 partes iguales, se
llaman "percentiles" o "porcentiles" y se representan por los smbolos
P0, P1,P2,..., P1oo
Monroy Saldvar, Salvador. Estadstica descriptiva.
Mxico: Instituto Politcnico Nacional, 2008. p 74.
Chap 3-47
Chap 3-48
Cuantiles, deciles y percentiles para

series simples
En este tipo de series se puede aplicar una sola frmula para calcular los cuartiles,
deciles y percentiles:
in 1
Qi
4
in 1
Di
10
in 1
Pi
100
Donde:
Q1=Cuartil, Di=Decil, Pi=Percentil
i= Qi,Di o Pi que se quiera calcular.
Numero total de datos.
Chap 3-49
Cuartiles
Divide a los datos ordenados en 4 cuartos

25%
25%
Q1
25%
Q2
Posicin del i-simo cuartil
25%
Q3
Qi
i n 1
4
El segundo cuartil es la mediana de los datos.
Chap 3-50
02/10/2013
Cuartiles
Ejemplo: Determinar el primer cuartil del siguiente

conjunto de nueve datos ordenados
11 12 15 16 16 17 18 21 22
Chap 3-51
1(9 1)
Posicin de Q1
2.5
4
12 15
Q1
13.5
2

series de frecuencia
Chap 3-52
Ejemplo: un profesor aplic una prueba de rendimiento de 40 preguntas a 125

estudiantes, siendo la puntuacin el nmero de respuestas correctas. En la
siguiente tabla se concentran los resultados:
Calcular el percentl 25 de las 125 puntuaciones,
o sea, el punto P2s, bajo el cual se sita 25% del
total de puntuaciones, tambin se puede decir
que es equivalente al primer cuartil.
Pn=0.25n
Pn=(0.25)(125)
Pn=31.25
Determinar el lmite inferior Li
16
Li=28.5
Restar el valor de pn (31.25), de la frecuencia acumulada
(/a), hasta el lmite inferior que es igual a 28.5, punto en
el cual se aprecia que se han acumulado 16 frecuencias.
Restar la frecuencia acumulada del Li de 31.25
31.25-16=15.25
Dividir el resultado (15.25), entre la f del intervalo

que contiene la frecuencia 31.25:
15.25/18=0.85
Sumar el resultado del paso 4 al valor de Li:
P25=28.5+0.85=29.35 puntos
Chap 3-53
Interpretacin: Se puede concluir que 25% de las

puntuaciones o calificaciones que obtuvieron los alumnos se
hallan por debajo de 29.35 y de modo anlogo, 75% se halla
por encima de 29.35 puntos.

series de clases y frecuencias
Chap 3-54
Ejemplo: El gobierno decidi preguntar la edad a las personas que realizaban

alguna actividad remunerada de la provincia de Huancayo, para saber entre qu
valores se encontraba la poblacin productiva. Los valores en los cuales se
agruparon las diversas edades se proporcionan en la siguiente tabla:
Calcular el percentil 50 de las 1 982 puntuaciones, o
sea, el punto P50 , bajo el cual se sita 50% del
total de puntuaciones tambin podemos decir que
es equivalente al segundo cuartil.
Interpretacin: El resultado de P 50 = 35.02, quiere

decir que 50% de las personas que se encuentran
desarrollando alguna actividad productiva remunerada
es menor de 35 aos de edad.
Chap 3-55
Chap 3-56
Medidas de Variacin
La variabilidad es inherente y estar siempre presente en todo:
Entre productos,
personas,
servicios,
procesos,
naturaleza,
etc.
Lo importante es intentar descubrir:
Qu indica esta variabilidad sobre los procesos?

Cules son las fuentes de variabilidad?
Cul es la comprensin que se tiene sobre los conceptos de probabilidad y
estadstica para entender, estudiar y controlar la variabilidad?
Chap 3-57
Medidas de Variacin
Sin entender la variabilidad puede suceder:
Dificultad en separar causas comunes de causas especiales
La comprensin del proceso es difcil
El gerenciamiento del proceso es ineficaz
La mejora de la calidad es lenta
No hay como reducir ni dimensionar las prdidas
El aprendizaje es lento
Sin medicin no hay observacin y ni posibilidad de evaluar el desempeo de

los procesos en relacin a:
Exigencias de los clientes
No se percibe donde estn las oportunidades y amenazas
No existen datos
Sin datos todos creen saber lo que est sucediendo, no hay anlisis
estadstico y la mejora no acontece
Chap 3-58
12 onz
Media de B = Media de C
[Dispersin de B]>[Dispersin de C]
Frecuencia
B
8
10
11
12
Peso declarado en el
equipaje
Chap 3-59
13
14
Onzas
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Coeficiente
de
Variacin
Rango Intercuartil
Chap 3-60
02/10/2013
Medidas de Variacin
Una medida de ubicacin, como la media o la mediana, slo describe el
centro de la informacin. Desde este punto de vista, es valiosa, pero
no nos indica nada acerca de la extensin de los datos.
Por ejemplo, si en la gua del lugar dice que el ro que est ms
adelante tiene una profundidad promedio de 3 pies, estara dispuesto
a cruzarlo a pie sin contar con informacin adicional? Tal vez no.
Seguramente querr saber algo acerca de la variacin en la
profundidad. La profundidad mxima del ro es 3.25 pies y la mnima
es 2.75 pies? Si es as, tal vez se aventure a cruzarlo. Qu sucedera
si supiera que la profundidad del ro vara entre 0.50 y 5.5 pies?
Quiz su decisin sera no cruzar. Antes de tomar una decisin sobre
cruzar el ro o no, querr informacin sobre la profundidad tpica y la
dispersin en la profundidad del ro.
Chap 3-61
02/10/2013
Medidas de Variacin
Un valor menor para una medida de dispersin indica que los datos
estn agrupados de manera estrecha, digamos, alrededor de la
media aritmtica. Por tanto, la media se considera representativa
de la informacin.
Por el contrario, una medida de dispersin alta indica que la media
no es confiable.
Vea la siguiente grafica:
Chap 3-62
02/10/2013
Medidas de Variacin
Los 100 empleados de Hammond Iron Works, Inc., una compaa
fabricante de acero, est organizada en un histograma basado en
el nmero de aos de trabajar para la compaa. La media es 4.9
aos, pero la extensin de los datos es de 6 meses a 16.8 aos. La
media de 4.9 aos no es muy representativa de todos los
empleados.
Chap 3-63
02/10/2013
Medidas de Variacin
Una segunda razn para estudiar la dispersin de un conjunto de datos es
comparar la extensin en dos o ms distribuciones.
Por ejemplo, supongamos que la nueva computadora PDM/3 est armada
en Baton Rouge y tambin en Tucson.
La produccin media aritmtica por hora tanto en la planta de Baton
Rouge como en la de Tucson es 50.
Con base en las dos medias, podramos llegar a la conclusin de que las
distribuciones de las producciones por hora son idnticas.
Sin embargo, los registros de produccin durante 9 horas en ambas
plantas revelan que esta conclusin no es correcta (vea la siguiente
grfica).
La produccin de Baton Rouge vara de 48 a 52 ensamblajes por hora. La
produccin en la planta de Tucson es ms errtica, pues va de 40 a 60 por
hora. Por tanto, la produccin por hora para Baton Rouge se agrupa cerca
de la media de 50; la produccin por hora para Tucson es ms dispersa.
Chap 3-64
02/10/2013
Medidas de Variacin
Produccin de computadoras por hora en las plantas de Baton Rouge y Tucson
Chap 3-65
02/10/2013
Rango
La medida de dispersin ms sencilla es el rango. ste es la diferencia entre
los valores ms alto y ms bajo en el conjunto de datos. En la forma de una
ecuacin:
El rango se utiliza con mucha frecuencia en las aplicaciones de control de
procesos estadsticos (CPE) porque es muy fcil de calcular y entender.
Consulte la Grfica Anterior. Encuentre el rango en el nmero de
computadoras que se producen cada hora en las plantas de Baton Rouge y
Tucson. Interprete los dos rangos.
Chap 3-66
02/10/2013
Rango
Produccin de computadoras por hora en las plantas de Baton Rouge y Tucson
El rango de la produccin de computadoras por hora en la planta de Baton Rouge

es 4, calculado por la diferencia entre la produccin por hora ms alta de 52 y la
ms baja de 48. El rango en la produccin por hora para la planta de Tucson es 20
computadoras, calculado al restar 60 - 40. Por tanto, llegamos a la conclusin de
que: (1) hay menos dispersin en la produccin por hora en la planta de Baton
Rouge que en la de Tucson porque el rango de 4 computadoras es menor que el
rango de 20 computadoras y (2) la produccin se agrupa de manera ms estrecha
alrededor de la media de 50 en la planta de Baton Rouge que en la de Tucson
Chap 3-67
02/10/2013
Rango
Medida de variacin
Diferencia entre el valor mximo y mnimo de un
conjunto de datos
Rango = Xmax - Xmin

Rango = 12 - 7 = 5
Rango = 12 - 7 = 5
7
Chap 3-68
10
11
12
10
11
02/10/2013
12
Rango
Ventajas:
Es fcil de calcular y sus unidades son las
mismas que las de la variable.
Desventajas:
No utiliza todas las observaciones (slo dos de ellas)
Se puede ver muy afectada por alguna observacin extrema
El rango aumenta con el nmero de observaciones, o bien
se queda igual. En cualquier caso nunca disminuye.
Ignora como los datos estn distribuidos
Chap 3-69
02/10/2013
Rango Intercuartil
Medida de variacin
Diferencia entre el tercer y primer cuartil
No es afectado por valores extremos
RIC = Q3 Q1
Ejemplo:
Datos ordenados: 11 12 13 16 16 16 17 17
Pos. Q1= (11+1)/4=3
Pos. Q3= 3(11+1)/4=9
Q1
17 18 20
Q3
RIC = Q3 Q1=17-13= 4
Chap 3-70
02/10/2013
Varianza
Desviacin Media
Un defecto del rango es que se basa slo en dos valores,
el ms alto y el ms bajo; no toma en cuenta todos los
valores.
La desviacin media s lo hace. Mide la cantidad media
por la cual los valores en una poblacin o muestra varan
de su media.
En trminos de una definicin:
DESVIACIN MEDIA. La media aritmtica de los valores absolutos
de las desviaciones de la media aritmtica.
Chap 3-71
02/10/2013
Varianza
Desviacin Media
En trminos de una frmula:
La desviacin media, abreviada MD, se calcula para una
muestra como sigue:
DESVIACIN
MEDIA
xx
DM
n
donde:
es el valor de cada observacin.
es la media aritmtica de los valores.
es el nmero de observaciones en la muestra.
indica el valor absoluto.
Chap 3-72
02/10/2013
El nmero de capuchinos vendidos

en la tienda Starbucks del
aeropuerto de Orange County
entre las 4 y las 7 P . M . en una
muestra de 5 das el ao pasado
Determine la desviacin media e
fue: 103, 97, 101, 106 y 103.
interprete los resultados. La desviacin
media es la media de las cantidades
donde las observaciones individuales
difieren de la media aritmtica. Para
calcular la desviacin media de un
conjunto de datos, empezamos por
encontrar la media aritmtica.
Ejemplo
Desviacin Media
El nmero medio de capuchinos vendidos

es 12, calculado as: (103 + 97-+ 101 +
106 + 103)/5.
A continuacin, encontramos la cantidad
en la cual cada observacin difiere de la
media.
Chap 3-73
02/10/2013
Luego, sumamos estas diferencias, ignorando los signos

y dividimos la suma entre el nmero de observaciones.
El resultado es la cantidad media en que las
observaciones difieren de la media.
Un valor bajo para la desviacin media indica que los
datos estn agrupados cerca de la media, mientras que
un valor alto para la desviacin media indica una mayor
dispersin en la informacin.
stos son los detalles de los clculos realizados con la
frmula:
xx
DM
n
Chap 3-74
02/10/2013
xx
DM
n
Chap 3-75
02/10/2013
Para los datos de salarios diarios que se presentan en la Tabla, la media

aritmtica es $2 949.50
Chap 3-76
02/10/2013
Varianza
Medida importante de la variacin

Muestra la variabilidad de los datos al rededor de la
media
La varianza de n datos x1 x2 xn es:
n
S
2
(x
i 1
x)
n 1
Varianza para una Muestra

Chap 3-77
(x
i 1
Varianza para una Poblacin
02/10/2013
Ejemplo
Varianza
Chap 3-78
02/10/2013
Varianza para Datos Agrupados
( fx ) n x
2
S
2
n 1

Chap 3-79
2
2
(
fx
)
02/10/2013
Ejemplo
Varianza
Para los datos de salarios diarios que se presentan en el tabla, la media muestral es
$2 949.50, Determinar la desviacin estndar muestral para los datos agrupados:
(x)
S2
( fx )2 n x
2499,5
2699,5
2899,5
3099,5
3299,5
3499,5
7
20
33
25
11
4
Sumatoria =
Media Muestral =
n 1
Chap 3-80
(f)
02/10/2013
x*f
17496,5
53990
95683,5
77487,5
36294,5
13998
294950
2949,5
Varianza
Propiedades de la Varianza
Chap 3-81
02/10/2013
Varianza
Formulas Adicionales
Chap 3-82
02/10/2013
Desviacin Estndar
Por lo general, la desviacin estndar se utiliza como una medida para
comparar la extensin en dos o ms grupos de observaciones.
Por ejemplo, la desviacin estndar de las cantidades quincenales
invertidas en el plan de reparto de utilidades de Dupree Paint Company
se calcula en $7.51.
Supongamos que estos empleados se encuentran en Georgia. Si la
desviacin estndar para un grupo de empleados en Texas es $10.47, y
las medias son casi iguales, quiere decir que las cantidades invertidas
por los empleados de Georgia no son tan dispersas como aquellas que se
invierten en Texas (porque $7.51 < $10.47).
Ya que las cantidades invertidas por los empleados de Georgia se
agrupan de manera ms estrecha alrededor de la media, la media para
los empleados de Georgia es una medida ms confiable que aquella para
el grupo de Texas.
Chap 3-83
02/10/2013
Desviacin Estndar
Es la medida de variabilidad mas importante

Muestra la variacin alrededor de la media
Se expresa en las mismas unidades de los datos
originales
s S

Chap 3-84
02/10/2013
Ejercicio 1
Datos 3, 3, 4, 4, 5 (metros)
Chap 3-85
02/10/2013
Ejercicio 2
Chap 3-86
02/10/2013
Ejercicio 2
Chap 3-87
02/10/2013
Ejercicio 3
Los pesos de los contenedores enviados a Irlanda son (en miles de libras):
95
103
105
110
104
105
112
90
a) Cul es el rango de los pesos?

b) Calcule el peso medio aritmtico.
c) Calcule la desviacin media de los pesos.
Chap 3-88
02/10/2013
Propuestos
Para los siguientes ejercicios calcule: (a) el rango de los pesos, (b) la
media aritmtica y (c) la desviacin media, e interprete el rango y la
desviacin media.
1) Durante la venta del fin de semana pasado en Electronic Super Store,
estuvieron trabajan do cinco representantes de servicios al cliente. Los
nmeros de HDTV que vendieron estos representantes son: 5, 8, 4, 10 y 3.
2) El Departamento de Estadstica de Western State University ofrece ocho
secciones de es tadstica bsica. Los siguientes son los nmeros de
estudiantes inscritos en estas seccio nes: 34, 46, 52, 29, 41, 38, 36 y 28.
3) Dave's Automatic Door instala puertas automticas en las cocheras. La
siguiente lista indi ca el nmero de minutos que se necesitan para instalar una
muestra de 10 puertas: 28, 32, 24, 46, 44, 40, 54, 38, 32 y 42.
4) Una muestra de ocho compaas en la industria aeroespacial participaron en
una encuesta sobre la recuperacin de la inversin que tuvieron el ao pasado.
Los resultados son (en porcentajes): 10.6, 12.6, 14.8, 18.2, 12.0, 14.8, 12.2 y
15.6.
5) Diez expertos calificaron el sabor de una pizza sushi recin creada preparada
con atn, arroz y algas marinas, en una escala de 1 a 50. Las calificaciones
fueron: 34, 35, 41, 28, 26, 29, 32, 36, 38 y 40.
6) Una muestra de los archivos de personal de ocho empleados de Acm Carpet
Cleaners, Inc., revel que durante un periodo de seis meses, perdieron los
siguientes das debido a enfermedades: 2, 0, 6, 3, 10, 4, 1 y 2.
Chap 3-89
02/10/2013
Ejercicio 4
Chap 3-90
02/10/2013
Ejercicio 5
La oficina en Filadelfia de Price Waterhouse Coopers LLP contrat
cinco aprendices de contador en este ao. Sus salarios mensuales
iniciales fueron: $3 536, $3 173, $3 448, $3 121 y $3 622.
(a) Calcule la media de la poblacin.
(b) Calcule la varianza de la poblacin.
(c) Calcule la desviacin estndar de la poblacin.
(d) La oficina en Pittsburgh contrat a seis aprendices. El salario
mensual medio fue de $3 550, y la desviacin estndar $250.
Compare ambos grupos.
Chap 3-91
02/10/2013
Chap 3-92
02/10/2013
Desviacin Estndar de la Poblacin
Propuestos
1) Considere estos cinco valores como una poblacin: 8, 3, 7, 3 y 4.

a. Determine la media de la poblacin.
b. Determine la varianza.
2) Considere estos seis valores como una poblacin: 13, 3, 8, 10, 8 y 6.
a. Determine la media de la poblacin.
b. Determine la varianza.
3) El informe anual de Dennis Industries menciona estas ganancias
primarias por accin co mn durante los ltimos 5 aos: $2.68,
$1.03, $2.26, $4.30 y $3.58. Si suponemos que s tos son los
valores poblacionales,
a. Cules son las ganancias medias aritmticas primarias por
accin comn?
b. Cul es la varianza?
4) Haciendo referencia al Ejercicio 39, el informe anual de Denis
Industries tambin presenta estas ganancias sobre el capital
accionario durante el mismo periodo de cinco aos (en por
centajes): 13.2, 5.0, 10.2, 17.5 y 12.9.
a. Cul es la ganancia media aritmtica?
b. Cul es la varianza?
Chap 3-93
02/10/2013
Desviacin Estndar de la Poblacin
Propuestos
5) Plywood, Inc., report estas ganancias sobre el capital accionario

durante los ltimos 5 aos: 4.3, 4.9, 7.2, 6.7 y 11.6. Considere
stos como valores poblacionales.
a. Calcule el rango, la media aritmtica, la varianza y la
desviacin estndar. b. Compare las ganancias sobre el capital
accionario de Plywood, Inc. con aquellas de Den nis Industries
que mencionamos en el Ejercicio 40.
6) Los ingresos anuales de los cinco vicepresidentes de TMV
Industries son: $125 000; $128 000; $122 000; $133 000, y
$140 000. Considere este grupo como una poblacin.
a. Cul es el rango?
b. Cul es el ingreso medio aritmtico?
c. Cul es la varianza de la poblacin? La desviacin
estndar?
d. Tambin se estudiaron los ingresos anuales de los
funcionarios de otra empresa similar a TMV Industries. La
media fue $129 000 y la desviacin estndar $8 612.
Compare las medias y las dispersiones de ambas compaas.
Coeficiente de Variacin
Medida relativa de variacin
Se expresa en porcentaje (%)
Muestra la variacin en unidades de media
Se utiliza para comparar 2 mas conjuntos de datos

medidos en mtricas diferentes o diferentes unidades de
medida.
S
CV
X
Chap 3-94
100%
02/10/2013
Ejemplo (cotizacin del dlar)

Per
Ao
Mes
(soles)
2006
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
3.401
3.289
3.335
3.334
3.280
3.261
3.244
3.231
3.242
3.236
3.218
3.209
3.193
3.192
2007
Chap 3-95
Chile
(pesos)
524
526
529
517
521
542
541
539
539
531
528
528
541
547
02/10/2013
Ejemplo (cotizacin del dlar)

X Per =3.26soles
Per
Ao
2006
2007
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
(soles)
3.401
3.289
3.335
3.334
3.280
3.261
3.244
3.231
3.242
3.236
3.218
3.209
3.193
3.192
Chile
(pesos)
524
526
529
517
521
542
541
539
539
531
528
528
541
547
CVPer = (0.061/3.262)x 100= 1.9%
X Chile =532.29 pesos
Chap 3-96
S Peru = 0.061soles
SChile = 9.044 pesos
CVChile= (9.044/532.288)x 100= 1.7%
Ejemplo de Variacin
A. RESIDUOS SLIDOS
Departamento
5.1 MUNICIPALIDADES QUE INFORMARON SOBRE LA CANTIDAD PROMEDIO DIARIO DE BASURA RECOLECTADA,
SEGN DEPARTAMENTO, 2010
(Toneladas mtricas)
Chap 3-97
Total
Municipalidades
informantes
1,834
Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Callao 1/
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali
84
166
80
109
111
127
6
108
94
76
43
123
83
38
171
51
11
20
28
64
109
77
27
13
15
Lima Metropolitana 2/
Regin Lima 3/
49
128
Ejemplo de Variacin
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Rango Intercuartil
Chap 3-98
Coeficiente de
Variacin
Ejemplo de Variacin
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Rango Intercuartil
Chap 3-99
Coeficiente de
Variacin
Ejemplo de Variacin
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Rango Intercuartil
Chap 3-100
Coeficiente de
Variacin
Ejemplo de Variacin
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Rango Intercuartil
Chap 3-101
Coeficiente de
Variacin
Ejemplo de Variacin
Medidas de Variacin
Varianza
Desviacin
Estndar
Rango
Rango Intercuartil
Chap 3-102
Coeficiente de
Variacin
Relacin entre Media, Mediana y

Moda
En general, para la mayora de las distribuciones se cumple:
Asimtrica a la
izquierda
Media < Mediana < Moda
Chap 3-103
Simtrica
Media = Mediana =Moda
Asimtrica a la
derecha
Moda < Mediana < Media
02/10/2013
TEOREMA DE CHEBYSHEV
En las secciones anteriores hemos estudiado medidas de

tendencia central (media, moda y mediana), y medidas de
dispersin (varianza y desviacin estndar).
Tambin estudiamos el grado de asimetra (sesgo) de una
distribucin y su curtosis (altura).
Es decir, ya podemos describir, en trminos generales, el
comportamiento de un conjunto de valores que estemos
estudiando.
Chap 3-104
02/10/2013
Retomando el concepto de desviacin estndar, diremos

que una de las aplicaciones que tiene es que podemos
utilizarlo para conocer aproximadamente cuntas de las
puntuaciones se agrupan en ciertos intervalos de la serie
formados por la suma y la resta de una, dos o tres veces el
valor de la desviacin estndar con respecto al valor medio.
Para esto es que estudiaremos el Teorema de Tchebyshev.
Chap 3-105
02/10/2013
Ya sealamos que:
Una () baja para un conjunto de valores indica que
stos se localizan cerca de la media.
Por el contrario, una () muy alta revela que las
observaciones se encuentran dispersas en relacin
con la media.
El matemtico ruso P. L. Chebyshev (1821 -1894)
desarroll un teorema que nos permite determinar la
proporcin mnima de los valores que se encuentran
en un nmero especfico de desviaciones estndar de
la media.
Chap 3-106
02/10/2013
Por ejemplo:
Segn el teorema de Chebyshev, por lo menos tres
de cuatro valores, o 75%, deben estar entre la media
ms dos desviaciones estndar y la media menos dos
desviaciones estndar. Esta relacin se aplica sin
importar la forma de la distribucin.
Adems, por lo menos ocho de nueve valores, u

88.9%, estarn entre ms tres desviaciones estndar
y menos tres desviaciones estndar de la media.
Por lo menos 24 de 25 valores, o 96%, estarn entre
ms y menos cinco desviaciones estndar de la media.
Chap 3-107
02/10/2013
El teorema de Chebyshev establece:
Para cualquier grupo de

observaciones (muestra o poblacin),
la proporcin de los valores que se
encuentra dentro de k desviaciones
estndar de la media es por lo menos
donde k es cualquier constante mayor
que 1.
Chap 3-108
02/10/2013
si los datos fueran simtricos y acampaados, es decir, de
tipo normal, exactamente 68.26% de todas las
observaciones estaran contenidas dentro de distancias de
1 desviacin estndar alrededor de la media.
Mientras que 95.44, 99.73 y 99.99% de las

observaciones estaran incluidas, respectivamente, dentro
de distancias de 2, 3, 4 desviaciones estndar
alrededor de la media; grficamente se ve de la siguiente
forma:
Chap 3-109
02/10/2013
Los resultados del porcentaje de puntuaciones que se

concentran en torno a la media, para cualquier tipo de
distribucin y para distribuciones de tipo normal los
podemos resumir en la siguiente tabla:
Chap 3-110
02/10/2013
Ejercicio 1
Supongamos que se tiene una poblacin normalmente

distribuida, con media:
De acuerdo con la desigualdad de Tchebycheff, puede

deducirse para cualquier distribucin normal o
simtrica que la media aritmtica es ms o menos
Si se toma una sola vez la desviacin tpica al lado y
lado de la media, el intervalo obtenido, incluye el
68,3% de las observaciones.
Chap 3-111
02/10/2013
Chap 3-112
02/10/2013
Chap 3-113
02/10/2013
Ejercicio 2
La cantidad media aritmtica quincenal con la que

contribuyen los empleados de Dupree Paint al plan de
participacin de utilidades de la compaa fue $51.54 y la
desviacin estndar es $7.51. Qu porcentaje de las
contribuciones se encuentra entre ms 3.5 desviaciones
estndar y menos 3.5 desviaciones estndar de la
media?
1 2 x100 =
R
Chap 3-114
Alrededor de 92%
02/10/2013
Chap 3-115
02/10/2013
(a) Datos bsicos (Viviendas comenzadas a construir, en miles)

Estado Viviendas
Estado Viviendas
Estado Viviendas
Estado Viviendas
Estado Viviendas
AL
17,2
HI
7,3
MA
39,2
NM
11,8
SD
2,5
AK
4,0
ID
4,3
MI
37,6
NY
61,9
TN
38,1
AZ
71,8
IL
38,7
MN
28,6
NC
70,7
TX
143,1
AR
9,9
IN
23,0
MS
8,8
ND
2,6
UT
16,5
CA
271,4
IA
5,2
MO
27,2
OH
33,0
VT
4,1
CO
32,8
KS
13,3
MT
2,0
OK
10,7
VA
64,1
CT
24,5
KY
13,8
NE
5,0
OR
11,3
WA
35,5
DE
4,6
LA
18,8
NV
14,0
PA
43,6
WV
1,5
FL
202,6
ME
8,1
NH
17,8
RI
5,4
WI
20,2
GA
73,1
MD
42,1
NJ
55,0
SC
32,8
WY
1,2
Chap 3-116
02/10/2013
Chap 3-117
02/10/2013
Con el Teorema de ChebyShev encontramos el porcentaje de valores que

debe caer dentro de R=2 y R=3 desviaciones estndar de la media.
Por Ejemplo, si R=2, este porcentaje debe ser 75%, expresado de otro
modo, debemos encontrar que al menos el 75% de los estados tienen una
cantidad de viviendas comenzadas a construir que cae en el intervalo
descrito como 34.9+-2(49.3).
Chap 3-118
02/10/2013
El Teorema de ChebyShev afirma que al menos [1-(1/k2)]*100% de los valores de

los datos caern dentro de K desviaciones estndar de la media (Cuando K es mayor
que 1 y para cualquier forma de la Distribucin). Para los datos de vivienda s
comenzadas a construir en 50 estados , el porcentaje de estados dentro de cada
intervalo excede por mucho el porcentaje mnimo especificado por el teorema.
Chap 3-119
02/10/2013
Chap 3-120
02/10/2013
Diagrama de Caja
Para su construccin se usan 5 estadsticas:

Mnimo, Mximo, Q1, Q2 = Mediana y Q3
X min
Q1
Chap 3-121
Q2
Q3
10
Xmax
12
02/10/2013
Forma de la Distribucin y Diagrama

de Caja
Asimtrica a la izquierda Simtrica
Q1
Chap 3-122
Q2 Q3
Asimtrica a la derecha
Q1Q2Q3
Q1 Q2 Q3
02/10/2013
Cuidados en el anlisis descriptivo

de los datos y problemas ticos
El anlisis de los datos es objetivo
La interpretacin es Subjetiva
Por lo tanto deben reportarse las medidas resumen que mejor

reflejen las caractersticas de los datos
Ella debe ser hecha de una manera clara, imparcial y simple
Problemas ticos
Deben documentarse tanto los resultados buenos como los malos
La presentacin debe ser imparcial, objetiva y clara
Los resultados no deben utilizarse inadecuadamente,

distorsionando los hechos
Chap 3-123
02/10/2013
PERU: TASAS DE CRECIMIENTO GEOMETRICO MEDIO ANUAL SEGUN

DEPARTAMENTOS, 1995-2015
Chap 3-124
02/10/2013
Fuente: http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0005/CAP-52.htm
Resumen
Adems de resumirse mediante tablas de distribucin de

frecuencias y representarse grficamente, los datos
originales se pueden describir en forma estadstica a
travs de medidas de tendencia central y de dispersin.
Chap 3-125
02/10/2013

Presentaciòn 5

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Presentaciòn 5

Uploaded by

Copyright:

Available Formats

MEDIDAS DE POSICIN Y

2013 Ing. Jos Luis Tupac Yupanqui A.

Estadstica y muestreo (13a. ed.)

Editorial: Instituto Politcnico Nacional

2013 Ing. Jos Luis Tupac Yupanqui A.

ESTADISTICA PARA LA INGENIERIA

Medidas para resumen

2013 Ing. Jos Luis Tupac Yupanqui A.

Los mtodos de representacin grfica proporcionan un

No comer la media, ni la mediana,

2013 Ing. Jos Luis Tupac Yupanqui A.

2013 Ing. Jos Luis Tupac Yupanqui A.

Describir los datos a travs de medidas de

2013 Ing. Jos Luis Tupac Yupanqui A.

2013 Ing. Jos Luis Tupac Yupanqui A.

Existen 2 grandes categoras de medidas que

resumen numricamente los datos:

Las medidas de tendencia central o de

Las medidas de variabilidad o de dispersin.

2013 Ing. Jos Luis Tupac Yupanqui A.

Las medidas de tendencia central describen

2013 Ing. Jos Luis Tupac Yupanqui A.

Las medidas de variacin describen la

2013 Ing. Jos Luis Tupac Yupanqui A.

Medidas para resumen

2013 Ing. Jos Luis Tupac Yupanqui A.

Medidas de Tendencia Central

2013 Ing. Jos Luis Tupac Yupanqui A.

Medidas de Tendencia Central

Son aquellas que determinan los valores centrales de los datos de un

2013 Ing. Jos Luis Tupac Yupanqui A.

la suma total entre el nmero de datos.

2013 Ing. Jos Luis Tupac Yupanqui A.

Es la medida de tendencia central mas utilizada

2013 Ing. Jos Luis Tupac Yupanqui A.

Media para una serie de frecuencias

2013 Ing. Jos Luis Tupac Yupanqui A.

Media para una serie de frecuencias

2013 Ing. Jos Luis Tupac Yupanqui A.

Media para datos agrupados

2013 Ing. Jos Luis Tupac Yupanqui A.

Media para datos agrupados

2013 Ing. Jos Luis Tupac Yupanqui A.

Es una medida robusta de la tendencia central

En un conjunto de datos ordenado, la mediana es:

El valor central, si n es impar

2013 Ing. Jos Luis Tupac Yupanqui A.

Mediana para una serie simple y de

En resumen podemos decir que el procedimiento

2013 Ing. Jos Luis Tupac Yupanqui A.

2013 Ing. Jos Luis Tupac Yupanqui A.

2013 Ing. Jos Luis Tupac Yupanqui A.

Encontrar el lugar y el valor de la mediana de las siguientes series:

2013 Ing. Jos Luis Tupac Yupanqui A.

Mediana para una serie de clases

2013 Ing. Jos Luis Tupac Yupanqui A.

2013 Ing. Jos Luis Tupac Yupanqui A.

Es una medida de tendencia central

MODA para series simples y de frecuencias

2013 Ing. Jos Luis Tupac Yupanqui A.

La moda puede no existir (ejemplo anterior) o

2013 Ing. Jos Luis Tupac Yupanqui A.

MODA para una serie de clase y frecuencias

Hallar la media, mediana y la moda de los siguientes datos: