You are on page 1of 19
Universidad Mariano Gálvez de Guatemala Sede Universitaria Chiquimula Maestría Dirección y Gestión del Recurso Humano Ingeniera
Universidad Mariano Gálvez de Guatemala Sede Universitaria Chiquimula Maestría Dirección y Gestión del Recurso Humano Ingeniera

Universidad Mariano Gálvez de Guatemala Sede Universitaria Chiquimula Maestría Dirección y Gestión del Recurso Humano Ingeniera Claudia Esmeralda Villela Métodos Cuantitativos

Medidas de Tendencia Central Erick Rigoberto Medina Cordón 3228- 09-1280
Medidas de Tendencia Central
Erick Rigoberto Medina Cordón
3228- 09-1280

Chiquimula, 16 de julio del 2,016

Contenido

Índice

Introducción.................................................................................................................i

  • I. Medidas de tendencia central...............................................................................1

  • A. La media aritmética Simple..................................................................................2

    • 1. Propiedades de la Media Aritmética Simple.......................................................3

    • 2. Inconvenientes de su uso de la Media Aritmética..............................................3

  • B. Media aritmética ponderada.................................................................................4

  • C. Media geométrica.................................................................................................6

    • 1. Propiedades.......................................................................................................6

    • 2. Ventajas.............................................................................................................6

    • 3. Desventajas.......................................................................................................6

  • D. Media armónica....................................................................................................7

    • 1. Propiedades.......................................................................................................8

    • 3. Ventajas.............................................................................................................8

    • 4. Desventajas.......................................................................................................8

  • E. Moda.....................................................................................................................9

    • 1. Propiedades.....................................................................................................10

    • 2. Inconvenientes................................................................................................11

  • F. Mediana..............................................................................................................11

    • 1. Cálculo de la mediana para datos agrupados..................................................12

    • 2. Propiedades e inconvenientes.........................................................................12

  • II. Conclusiones.........................................................................................................14

    Bibliografía................................................................................................................15

    Introducción

    En ocasiones es conveniente resumir la información de una muestra (que se representa mediante las distribuciones de frecuencias vistas anteriormente) en un solo valor para obtener indicadores del comportamiento de la variable en diferentes sentidos, como punto alrededor del que toma valores, variabilidad, etc. Resumir la información mediante un solo número es interesante para comprender mejor cómo se comporta la variable y para poder realizar comparaciones En este capıtulo se considerar las medidas de tendencia central habituales. La idea de centro de una distribución no es única, aunque en términos generales se puede decir que se trata de encontrar un punto alrededor del cual tome valores la variable. Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posición o medidas de tendencia se usan de acuerdo al tipo de variable que se está observando, en este caso se observan variables cuantitativas. En el caso de las variables con valores que pueden definirse en términos de alguna escala de medida de igual intervalo, puede usarse un tipo de indicador que permite apreciar el grado de dispersión o variabilidad existente en el grupo de variantes en estudio. A estos indicadores les llamamos medidas de dispersión, por cuanto que están referidos a la variabilidad que exhiben los valores de las observaciones, ya que si no hubiere variabilidad o dispersión en los datos interés, entonces no habría necesidad de la gran mayoría de las medidas de la Estadística descriptiva.

    Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor representativo, las medidas de dispersión nos dicen hasta qué punto estas medidas de tendencia central son representativas como síntesis de la información. Las medidas de dispersión cuantifican la separación, la dispersión, la variabilidad de los valores de la distribución respecto al valor central. Distinguimos entre medidas de dispersión absolutas, que no son comparables entre diferentes muestras y las relativas que nos permitirán comparar varias muestras.

    1

    I

    Medidas de tendencia central

    Según el autor (Hamdan, 2006) al describir grupos de diferentes observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro de la distribución de datos se denomina medida o parámetro de tendencia central o de centralización. Cuando se hace referencia únicamente a la posición de estos parámetros dentro de la distribución, independientemente de que ésta esté más o menos centrada, se habla de estas medidas como medidas de posición. En este caso se incluyen también los cuartiles entre estas medidas. Supóngase que un determinado alumno obtiene 35 puntos en una prueba de matemática. Este puntaje, por sí mismo tiene muy poco significado a menos que podamos conocer el total de puntos que obtiene una persona promedio al participar en esa prueba, saber cuál es la calificación menor y mayor que se obtiene, y cuán variadas son esas calificaciones.

    En otras palabras, para que una calificación tenga significado hay que contar con elementos de referencia generalmente relacionados con ciertos criterios estadísticos. Las medidas de tendencia central (media, mediana y moda) sirven como puntos de referencia para interpretar las calificaciones que se obtienen en una prueba.

    Volviendo a nuestro ejemplo, digamos que la calificación promedio en la prueba que hizo el alumno fue de 20 puntos. Con este dato podemos decir que la calificación del alumno se ubica notablemente sobre el promedio. Pero si la calificación promedio fue de 65 puntos, entonces la conclusión sería muy diferente, debido a que se ubicaría muy por debajo del promedio de la clase. Sirve como un método para comparar los resultados medios obtenidos por dos o más grupos.

    Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posición o medidas de tendencia se usan de acuerdo al tipo de variable que se está observando, en este caso se observan variables cuantitativas.

    Entre las medidas de tendencia central tenemos:

    A La media aritmética Simple

    Según el autor (Sanchez, 2007) la media aritmética es el valor obtenido por la suma de todos sus valores dividida entre el número de sumadores. Las medidas de tendencia central son medidas representativas que como su nombre lo indica, tienden a ubicarse hacia el centro del conjunto de datos, es decir, una medida de tendencia central identifica el valor del dato central alrededor de cual se centran los demás datos, siendo la media aritmética una de aquellas medidas. Según el autor (Govinden, 2005) la medida aritmética, al igual que cualquier otra medida de datos estadísticos, cuando se calcula a nivel de toda la población, se denominan parámetro, como por ejemplo, la calificación promedio en el examen de admisión de todos los estudiantes que ingresan a la Universidad UTN al primer semestre del presente año lectivo. Pero si se calcula basada en muestras, se denomina estadígrafo o estadístico, como por ejemplo, la calificación promedio en el examen de admisión de estudiantes de colegios fiscales que ingresan a la Universidad UTN al primer semestre del presente año lectivo.

    Tabla No. 1 Ejemplo de Media Aritmética

    Niño

    nota

    • 1 ·Primero, se suman las notas:

    6,0

    • 2 6,0+5,4+3,1+7,0+6,1 = 27,6

    5,4

    • 3 ·Luego el total se divide entre la cantidad de alumnos:

    3,1

    • 4 27,6/5=5,52

    7,0

    • 5 · La media aritmética en este ejemplo es 5,52

    6,1

    Como se puede ver en la tabla anterior la media aritmética es, probablemente, uno de los parámetros estadísticos más extendidos. Se le llama también promedio o, simplemente, media. Así mismo el autor de la presente hace referencia en cuanto al analizar esta tabla podemos tener un dato promedio de lo que se ha planteado. Por lo cual ahora es de mucha importancia abordar el tema de las propiedades que debe poseer la media aritmética por lo cual se mencionara a continuación:

    • 1. Propiedades de la Media Aritmética Simple

    Según el autor (Webster, 2007) las principales propiedades de la media aritmética son:

    • a) Su cálculo es muy sencillo y en él intervienen todos los datos.

    • b) Su valor es único para una serie de datos dada.

    • c) Se usa con frecuencia para comparar poblaciones, aunque es más apropiado acompañarla de una medida de dispersión.

    • d) Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto de datos, ya que tiene la propiedad de equilibrar las desviaciones de los datos respecto de su propio valor.

    • e) Minimiza las desviaciones cuadráticas de los datos respecto de cualquier valor prefijado, esto es, el valor de es mínimo cuando Este resultado se conoce como Teorema de König. Esta propiedad permite interpretar uno de los parámetros de dispersión más importantes: la varianza.

    • 2. Inconvenientes de su uso de la Media Aritmética

    Según el autor (Suarez, 2005) este parámetro, aun teniendo múltiples propiedades que aconsejan su uso en situaciones muy diversas, tiene también algunos inconvenientes, como son:

    • a) Para datos agrupados en intervalos (variables continuas) su valor oscila en función de la cantidad y amplitud de los intervalos que se consideren.

    • b) Es una medida a cuyo significado afecta sobremanera la dispersión, de modo que cuanto menos homogéneos sean los datos, menos información proporciona. Dicho de otro modo, poblaciones muy distintas en su composición pueden tener la misma media. Por ejemplo, un equipo de baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente, tendría una estatura media de 1,95 m, valor que representa fielmente a esta población homogénea. Sin embargo, un equipo de jugadores de estaturas más heterogéneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m, por ejemplo, tendría también, como puede comprobarse, una estatura media de 1,95 m, valor que no representa a casi ninguno de sus componentes.

    • c) En el cálculo de la media no todos los valores contribuyen de la misma manera. Los valores altos tienen más peso que los valores cercanos a cero No se puede determinar si en una distribución de frecuencias hay intervalos de clase abiertos.

    A. Media aritmética ponderada

    Según el autor (Lind, 2005) A veces puede ser útil otorgar pesos o valores a los datos dependiendo de su relevancia para determinado estudio. En esos casos se puede utilizar una media ponderada. Si son nuestros datos y son sus "pesos" respectivos, la media ponderada se define de la siguiente forma ponderado decir es un promedio calculado por dar diferentes pesos a algunos de los valores individuales. Si todos los pesos son iguales, entonces la media ponderada es igual a la media aritmética. Considerando que los medios ponderados generalmente se comportan en un enfoque similar a los medios de aritmética, tienen unas propiedades instintivas de contador. Elementos de datos con un alto peso contribuyan más a la media ponderada de elementos con un bajo peso. El peso no puede ser negativo. Algunos pueden ser cero, pero no todos ellos dado que la

    división por cero no está significan jugar un papel importante en los sistemas de análisis de datos, ponderada diferencial y cálculo integral. La media ponderada de

    dado el conjunto de datos no negativos que {x 1 , x 2 , x 3 ,

    ...

    x

    n } con pesos no negativos

    {w 1 , w 2 , w 3 , ... w n } se puede derivar
    {w 1 , w 2 , w 3 ,
    ...
    w
    n } se puede derivar de la fórmula

    donde x es el valor de repetición w es el número de ocurrencias de x (weight) xx es la media ponderada

    La colección de herramientas emplea el estudio de métodos y procedimientos utilizados para que recopilar, organizar y analizar datos para comprender la teoría de la probabilidad y estadística. El conjunto de ideas que pretende ofrecer la manera de hacer la implicación científica de tales como resultado datos resumidos. En muchas aplicaciones es necesario calcular la media ponderada para un conjunto de datos con distintos errores individuales. Con esta calculadora media ponderada en línea sin esfuerzo puede hacer que su cálculo para el conjunto de teniendo en cuenta las observaciones. Esencialmente, la media muestral es el mismo parámetro que el anterior, aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que la media aritmética se calcula para un subconjunto de la población objeto de estudio. La media muestral es un parámetro de extrema importancia en la inferencia estadística, siendo de gran utilidad para la estimación de la media poblacional, entre otros usos.

    C. Media geométrica

    Según el autor (Johson, 2005) en matemáticas y estadística, la media geométrica de una cantidad arbitraria de números (por decir n números) es la raíz n-ésima del producto de todos los números, es recomendada para datos de progresión geométrica, para promediar razones, interés compuesto y números índices. Así mismo la media geométrica tiene sus propiedades las cuales son las siguientes:

    • 1. Propiedades

      • a) El logaritmo de la media geométrica es igual a la media aritmética de los logaritmos de los valores de la variable.

      • b) La media geométrica de un conjunto de números positivos es siempre menor o igual que la media aritmética:

  • 2. Ventajas

    • a) Considera todos los valores de la distribución

    • b) Es menos sensible que la media aritmética a los valores extremos.

  • 3. Desventajas

    • a) Es de significado estadístico menos intuitivo que la media aritmética.

    • b) Su cálculo es más difícil.

    • c) Si

    un

    valor

    entonces la

    media geométrica se

    anula

    o

    no

    queda

    determinada.

     

    Solo es relevante la media geométrica si todos los números son positivos. Como hemos visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un número negativo (o una cantidad impar de ellos) entonces la media geométrica sería o bien

    negativa, o bien inexistente en los números reales. En muchas ocasiones se utiliza su trasformación en el manejo estadístico de variables con distribución no normal. La media geométrica es relevante cuando varias cantidades son multiplicadas para producir un total.

    • 4. Diferencias entre la media aritmética y la media geométrica

      • a. Si quieres la “media aritmética” de 3, 4 y 18, por ejemplo, debes sumar 3 + 4 + 18, y después dividirlo entre 3 ya que son tres números. El resultado es 25/3 o 8.333…, lo cual muestra que si tuvieras tres valores de 8.3333…, daría la misma suma que los valores individuales de 3, 4 y 18. La media aritmética responde la pregunta de, “¿si todas las cantidades tuvieran el mismo valor, qué valor tendría que ser ese para que sumen el mismo total?”

      • b. Por contraste, la “media geométrica” responde a la pregunta de, “¿si todas las cantidades tuvieran el mismo valor, qué valor tendría que ser para tener el mismo producto al multiplicarse?2 Así que para encontrar la media geométrica de 3, 4 y 18, tenemos que multiplicar 3 x 4 x 18. Esto nos da 216. Ahora tenemos que sacar la raíz cúbica (la raíz cúbica porque son tres números originalmente). La respuesta es 6. En otras palabras, ya que 6 x 6 x 6 = 3 x 4 x 18, 6 es la media geométrica de 3, 4 y 18.

      • c. La media geométrica de cualquier conjunto de números siempre es menor que o igual a la media aritmética de ese conjunto. Lee el archivo en wikipedia sobre geométricas.

    la

    de

    las

    • d. La media geométrica solo aplica en números no negativos. En problemas reales donde se usa la media geométrica, el escenario no tiene razón si se usan números negativos.

    D. Media armónica

    Según el autor (Pliego Lopez, 2007) la media armónica (designada usualmente mediante H) de una cantidad finita de números es igual al recíproco, o inverso, de la media aritmética de los recíprocos de dichos valores y es recomendada para promediar velocidades.

    Así, dados n números x 1 , x 2 ,

    ...

    , x n la media armónica será igual a:

    d. La media geométrica solo aplica en números no negativos. En problemas reales donde se usarecíproco , o inverso, de la media aritmética de los recíprocos de dichos valores y es recomendada para promediar velocidades. Así, dados n números x , x , ... , x la media armónica será igual a: La media armónica resulta poco influida por la existencia de determinados valores mucho más grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho más pequeños que el conjunto. La media armónica no está definida en el caso de que exista algún valor nulo. 1. Propiedades b) La inversa de la media armónica es la media aritmética de los inversos de los valores de la variable. c) Siempre se puede pasar de una media armónica a una media aritmética transformando adecuadamente los datos. d) La media armónica siempre es menor o igual que la media aritmética, ya que para cualquier número real positivo 8 " id="pdf-obj-10-30" src="pdf-obj-10-30.jpg">

    La media armónica resulta poco influida por la existencia de determinados valores mucho más grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho más pequeños que el conjunto. La media armónica no está definida en el caso de que exista algún valor nulo.

    1. Propiedades

    • b) La inversa de la media armónica es la media aritmética de los inversos de los valores de la variable.

    • c) Siempre se puede pasar de una media armónica a una media aritmética transformando adecuadamente los datos.

    • d) La media armónica siempre es menor o igual que la media aritmética, ya que para cualquier número real positivo

    • 3. Ventajas

      • a) Considera todos los valores de la distribución y en ciertos casos, es más representativa que la media aritmética.

    • 4. Desventajas

      • a) La influencia de los valores pequeños y el hecho que no se puede determinar en las distribuciones con algunos valores iguales a cero; por eso no es aconsejable su empleo en distribuciones donde existan valores muy pequeños.

    Según la autora (Romero, 2008) la media armónica surge de manera natural al calcular el índice de Paasche, uno de los números índice más comunes. Considérese una serie temporal que resulta de agregar el valor nominal de la producción o el gasto en mercancías. Para aislar cambios en cantidades de cambios en precios el índice de Laspeyres fija los precios del periodo anterior y compara el gasto hoy con los precios de ayer al gasto de ayer

    3. Ventajas a) Considera todos los valores de la distribución y en ciertos casos, es másíndice de Paasche , uno de los números índice más comunes. Considérese una serie temporal que resulta de agregar el valor nominal de la producción o el gasto en mercancías. Para aislar cambios en cantidades de cambios en precios el índice de Laspeyres fija los precios del periodo anterior y compara el gasto hoy con los precios de ayer al gasto de ayer Al dejar los precios fijos, se interpreta que sólo refleja cambios en cantidades o reales. También se puede observar que se trata de una media donde el cambio en la cantidad de la mercancía aparece ponderada por el peso del gasto en esta mercancía sobre el gasto total. El índice de Paasche, al revés, procede a dejar fijos los precios de hoy: compara el gasto hoy con el gasto de ayer si hubieran prevalecido los precios de hoy. 9 " id="pdf-obj-11-16" src="pdf-obj-11-16.jpg">

    Al dejar los precios fijos, se interpreta que sólo refleja cambios en cantidades o reales. También se puede observar que se trata de una media donde el cambio en la cantidad de la mercancía aparece ponderada por el peso del gasto en esta mercancía sobre el gasto total. El índice de Paasche, al revés, procede a dejar fijos los precios de hoy: compara el gasto hoy con el gasto de ayer si hubieran prevalecido los precios de hoy.

    3. Ventajas a) Considera todos los valores de la distribución y en ciertos casos, es másíndice de Paasche , uno de los números índice más comunes. Considérese una serie temporal que resulta de agregar el valor nominal de la producción o el gasto en mercancías. Para aislar cambios en cantidades de cambios en precios el índice de Laspeyres fija los precios del periodo anterior y compara el gasto hoy con los precios de ayer al gasto de ayer Al dejar los precios fijos, se interpreta que sólo refleja cambios en cantidades o reales. También se puede observar que se trata de una media donde el cambio en la cantidad de la mercancía aparece ponderada por el peso del gasto en esta mercancía sobre el gasto total. El índice de Paasche, al revés, procede a dejar fijos los precios de hoy: compara el gasto hoy con el gasto de ayer si hubieran prevalecido los precios de hoy. 9 " id="pdf-obj-11-20" src="pdf-obj-11-20.jpg">

    De esta definición no podemos obtener una media ponderada como antes. Sin embargo, si se considera la fórmula invertida ocurre que

    De esta definición no podemos obtener una media ponderada como antes. Sin embargo, si se considerafrecuencia absoluta . En cierto sentido la definición matemática corresponde con la locución " estar de moda " , esto es, ser lo que más se lleva. Su cálculo es extremadamente sencillo, pues solo necesita un recuento. En variables continuas, expresadas en intervalos, existe el denominado intervalo modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se recurre a la interpolación . Por ejemplo, el número de personas en distintos vehículos en una carretera: 5-7-4-6-9-5-6-1-5-3-7. El número que más se repite es 5, entonces la moda es 5.Hablaremos de una distribución bimodal de los datos, cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima. Cuando en una distribución de datos se encuentran tres o más modas, entonces es multimodal. Por último, si todas las variables tienen la misma frecuencia diremos que no hay moda. Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta. 10 " id="pdf-obj-12-4" src="pdf-obj-12-4.jpg">

    Pero entonces

    De esta definición no podemos obtener una media ponderada como antes. Sin embargo, si se considerafrecuencia absoluta . En cierto sentido la definición matemática corresponde con la locución " estar de moda " , esto es, ser lo que más se lleva. Su cálculo es extremadamente sencillo, pues solo necesita un recuento. En variables continuas, expresadas en intervalos, existe el denominado intervalo modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se recurre a la interpolación . Por ejemplo, el número de personas en distintos vehículos en una carretera: 5-7-4-6-9-5-6-1-5-3-7. El número que más se repite es 5, entonces la moda es 5.Hablaremos de una distribución bimodal de los datos, cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima. Cuando en una distribución de datos se encuentran tres o más modas, entonces es multimodal. Por último, si todas las variables tienen la misma frecuencia diremos que no hay moda. Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta. 10 " id="pdf-obj-12-8" src="pdf-obj-12-8.jpg">

    E. Moda

    Según el autor (Spiegel, 2005) la moda es el dato más repetido de la encuesta, el valor de la variable con mayor frecuencia absoluta. En cierto sentido la definición matemática corresponde con la locución "estar de moda", esto es, ser lo que más se lleva. Su cálculo es extremadamente sencillo, pues solo necesita un recuento. En variables continuas, expresadas en intervalos, existe el denominado intervalo modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se recurre a la interpolación. Por ejemplo, el número de personas en distintos vehículos en una carretera: 5-7-4-6-9-5-6-1-5-3-7. El número que más se repite es 5, entonces la moda es 5.Hablaremos de una distribución bimodal de los datos, cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima. Cuando en una distribución de datos se encuentran tres o más modas, entonces es multimodal. Por último, si todas las variables tienen la misma frecuencia diremos que no hay moda. Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta.

    La moda, cuando los datos están agrupados, es un punto que divide el intervalo

    modal en

    dos

    partes de

    la forma

    p

    y

    c-p,

    siendo

    c la amplitud del intervalo, que

    verifiquen que:

     
    La moda, cuando los datos están agrupados, es un punto que divide el intervalo modal envariables cualitativas . Es por ello el parámetro más utilizado cuando al resumir una población no es posible realizar otros cálculos, por ejemplo, cuando se enumeran en medios periodísticos las características más frecuentes de determinado sector social. Esto se conoce informalmente como "retrato robot". 11 " id="pdf-obj-13-39" src="pdf-obj-13-39.jpg">

    Donde

    • Li = L Inferior de la clase modal

    D1 = es el delta de frecuencia absoluta modal y la frecuencia absoluta premodal. D2 = es el delta de frecuencia absoluta modal y la frecuencia absoluta postmodal. Ai = Amplitud del intervalo modal.

    Siendo la frecuencia absoluta del intervalo modal y las frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal. 1. Propiedades

    Sus principales propiedades son:

    • a) Cálculo sencillo.

    • b) Interpretación muy clara.

    • c) Al depender solo de las frecuencias, puede calcularse para variables cualitativas. Es por ello el parámetro más utilizado cuando al resumir una población no es posible realizar otros cálculos, por ejemplo, cuando se enumeran en medios periodísticos las características más frecuentes de determinado sector social. Esto se conoce informalmente como "retrato robot".

    2. Inconvenientes

    • a) Su valor es independiente de la mayor parte de los datos, lo que la hace muy sensible a variaciones muestrales. Por otra parte, en variables agrupadas en intervalos, su valor depende excesivamente del número de intervalos y de su amplitud.

    • b) Usa muy pocas observaciones, de tal modo que grandes variaciones en los datos fuera de la moda, no afectan en modo alguno a su valor.

    • c) No siempre se sitúa hacia el centro de la distribución.

    • d) Puede haber más de una moda en el caso en que dos o más valores de la variable presenten la misma frecuencia (distribuciones bimodales o multimodales).

    F. Mediana

    Según los autores ( Wackerly, Mendenhall, & Scheaffer, 2005) la mediana es un valor de la variable que deja por debajo de sí a la mitad de los datos, una vez que éstos están ordenados de menor a mayor. Por ejemplo, la mediana del número de hijos de un conjunto de trece familias, cuyos respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posición central es 2.

    En caso de un número par de datos, la mediana no correspondería a ningún valor de la variable, por lo que se conviene en tomar como mediana el valor intermedio entre los dos valores centrales.

    Existen métodos de cálculo más rápidos para datos más numerosos (véase el artículo principal dedicado a este parámetro). Del mismo modo, para valores agrupados en

    intervalos, se halla el "intervalo mediano" y, dentro de éste, se obtiene un valor concreto por interpolación.

    • 1. Cálculo de la mediana para datos agrupados

    Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla del margen derecho).

    Así, aplicando la fórmula asociada

    a

    la mediana

    para

    n impar, obtenemos

    X(39+1)/2

    =

    X20 y basándonos

    en

    frecuencias absolutas:

    la

    fórmula que

    hace referencia a

    las

    N i -1< n/2 < i = N19 < 19.5 < N20

    Por tanto la mediana será el valor de la variable que ocupe el vigésimo lugar. En

    nuestro ejemplo, 21 (frecuencia absoluta acumulada para X i

    = 5) > 19.5 con lo

    que M e = 5 puntos (es aconsejable no olvidar las unidades; en este caso como

    estamos hablando de calificaciones, serán puntos)

    • 2. Propiedades e inconvenientes

    Las principales propiedades de la mediana son :

    • a) Es menos sensible que la media a oscilaciones de los valores de la variable. Un error de transcripción en la serie del ejemplo anterior en, pongamos por caso, el último número, deja a la mediana inalterada.

    • b) Como se ha comentado, puede calcularse para datos agrupados en intervalos, incluso cuando alguno de ellos no está acotado.

    • c) No se ve afectada por la dispersión. De hecho, es más representativa que la media aritmética cuando la población es bastante heterogénea. Suele darse esta circunstancia cuando se resume la información sobre los salarios de un país o una empresa. Hay unos pocos salarios muy

    altos

    que

    elevan

    la

    media

    aritmética

    haciendo

    que

    pierda

    representatividad respecto al grueso de la población. Sin embargo, alguien con el salario "mediano" sabría que hay tanta gente que gana más dinero que él, como que gana menos.

    Sus principales inconvenientes son que en el caso de datos agrupados en intervalos, su valor varía en función de la amplitud de estos. Por otra parte, no se presta a cálculos algebraicos tan bien como la media aritmética.

    II. Conclusiones 1. Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor representativo, las medidas de dispersión nos dicen hasta qué punto estas medidas de tendencia central son representativas como síntesis de la información. Las medidas de dispersión cuantifican la separación, la dispersión, la variabilidad de los valores de la distribución respecto al valor central. Distinguimos entre medidas de dispersión absolutas, que no son

    comparables entre diferentes muestras y las relativas que nos permitirán comparar varias muestras.

    • 2. Se puede establecer como conclusión sobre el tema de tendencia central, que es el conjunto de mecanismos que se tiene para el estudio de los métodos y procedimientos donde se dan los datos tabulados que ayudan a dar inferencias científicas partiendo de tales datos.

    • 3. Estos datos sirven para que todas las ramas de la ciencia donde se necesita llegar a dar conclusiones sobre situaciones; por medio de los datos se forman grupos describiéndolos con solo un número. Para tal fin no se utilizan los extremos sino que un valor más típico, el cual se encuentra en el centro.

    • 4. Este centro sirve para poder llegar a un punto medio donde se ubicaría el promedio o

    punto central de

    los datos descritos para poder establecer

    resultados como se puede ver a lo largo dela historia como es el caso de Mendel

    .

    Bibliografía

    Govinden, L. (2005). Introduccion a la Estadistica. Bogota, Colombia: McGraw Hill.

    Hamdan, G. N. (2006). Metodos Estadisticos en Educacion. Caracas: Ediciones en la Biblioteca.

    Johson, R. (2005). Estadística Elemental. México DF.: Math Learning.

    Lind, M. (2005). Estadística Aplicada a los Negocios y a la Economía (Decima ed.). Mexico, DF.: McGraw Hill.

    Pliego Lopez, J. (2007). Introducción a la Estadística Económica y Empresarial. Teoría y Práctica. Madrid, España: Thomson.

    Romero, E. (2008). Manual de Estadística Empresarial con ejercicios resueltos. Madrid, España: Delta Publicaciones.

    Sanchez, J. (2007). Introduccion a la Estadistica Empresarial. Madrid, España: McGraw Hill.

    Spiegel, M. (2005). Estadística, Serie de Compendios Schaum. Mexico: McGraw-Hill.

    Suarez, M. (2005). Interaprendizaje Holístico de Matemática. Ibarra, Ecuador : Gráficas Planeta.

    Webster, A. (2007). Estadisitica Aplicada a los Negocios y la Economia . Bogota, Colombia : McGraw Hill.

    Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2005). Descripción de un conjunto de mediciones: métodos numéricos, Estadística matemática con aplicaciones.

    Madrid, España: Cengage Learning.