República Bolivariana de Venezuela

Ministerio del Poder Popular Para la Educación Universitaria, Ciencia y Tecnología

Universidad Nacional Experimental “Simón Rodríguez”
Marigûitar - Estado Sucre
 Las medidas de tendencia central corresponden a valores que generalmente se ubican
en la parte central de un conjunto de datos. Ellas permiten analizar los datos en torno a un
valor central.

La Media Aritmética

Se define como la suma de todos los valores observados en la muestra dividida por el
número total de observaciones.

Ejemplo: Datos agrupados.

Notas de cinco alumnos en un examen.

Alumno Nota
1 6.0
2 5.4
3 3.1
4 7.0
5 6.1

Solución:

1. Se suman todas las notas. 6.0 + 5.4 + 3.1 + 7.0 + 6.1 = 27.6
2. Luego el total se divide entre la cantidad de alumnos 27.6 / 5 = 5.52
3. La media aritmética es 5.52 así como también el promedio.

Propiedades

 Su cálculo es muy sencillo y en él intervienen todos los datos.

 Su valor es único para una serie de datos dada.

 Se usa con frecuencia para comparar poblaciones, aunque es más apropiado

acompañarla de una medida de dispersión
Inconvenientes de su uso

 Para datos agrupados en intervalos (variables continuas) su valor oscila en función de

la cantidad y amplitud de los intervalos que se consideren.

 Es una medida a cuyo significado afecta sobremanera la dispersión, de modo que

cuanto menos homogéneos son 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,
pongamos por caso, tendría una estatura media de 1,95, evidentemente, valor que
representa fielmente a esta homogénea población. Sin embargo, un equipo de
estaturas más heterogéneas, 2,20, 2,15, 1,95, 1,75 y 1,70, por ejemplo, tendría
también, como puede comprobarse, una estatura media de 1,95, valor que no
representa a casi ninguno de sus componentes.

 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 acero.

 No se puede determinar si en una distribución de frecuencias hay intervalos de clase

abiertos.

La Moda

La moda es el dato más repetido, el valor de la variable con mayor frecuencia

absoluta. En cierto sentido se corresponde su definición matemática con la locución "estar de
moda", esto es, ser lo que más se lleva. Su cálculo es extremadamente sencillo, pues sólo
necesita de 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.

Ejemplo:

Número de personas en distintos carros en una carretera: 5-7-4-6-9-5-6-1-5-3-7 en

este caso el número que más se repite es 5, entonces la moda es 5.
Ejemplo 2:

Determinar la moda en el siguiente conjunto de datos que corresponden a las edades

de niñas de un Jardín Infantil.5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3 La edad que más se repite es
3, por lo tanto, la Moda es 3.

Se habla de una distribución bimodal de los datos, cuando encuentran 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 al intervalo modal
en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que verifiquen que:

Siendo ni la frecuencia absoluta del intervalo modal y ni -1 y ni +1 las frecuencias

absolutas de los intervalos anterior y posterior, respectivamente. Las calificaciones en la
asignatura de Matemáticas de 39 alumnos de una clase viene dada por la siguiente tabla
(debajo):

Calificaciones 1 2 3 4 5 6 7 8 9
Número de alumnos 2 2 4 5 8 9 3 4 2

Propiedades

 Cálculo sencillo.
 Interpretación muy clara.
 Al depender sólo de las frecuencias, puede calcularse para variables cualitativas. Por
ello el parámetro más utilizado cuando al resumir una población no es posible realizar
otros cálculos.
 Inconvenientes

 Su valor es independiente de la mayor parte de los datos, lo que la hace muy sensible
a variaciones muéstrales. Por otra parte, en variables agrupadas en intervalos, su
valor depende excesivamente del número de intervalos y de su amplitud.
 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.
 No siempre se sitúa hacia el centro de la distribución.
 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).

La Mediana

La mediana es un valor de la variable que deja por debajo de sí a la mitad de los

datos, una vez que estos están ordenados de menor a mayor. Según el número de valores
que se tengan se pueden presentar dos casos:

1. Si el número de valores es impar, la Mediana corresponderá al valor central de dicho

conjunto de datos.
2. Si el número de valores es par, la Mediana corresponderá al promedio de los dos
valores centrales (los valores centrales se suman y se dividen por 2).

Datos sin agrupar:

a) Nº de datos impares: Valor central

7, 4, 2, 5,9 2, 4, 5, 7,9 X=5

b) Nº de datos pares: Media de los dos valores centrales:

7, 4, 2, 5, 9, 6 2, 4, 5, 6, 7,9 X = 5+6 / 2 = 5,5

Ejemplo 1: Datos Impares

Se tienen los siguientes datos: 5, 4, 8, 10, 9, 1, 2

Al ordenarlos en forma creciente, es decir de menor a mayor, se tiene:

1, 2, 4, 5, 8, 9, 10

El 5 corresponde a la Mediana, porque es el valor central en este conjunto de datos impares.

Ejemplo 2: Datos Pares

El siguiente conjunto de datos está ordenado en forma decreciente, de mayor a menor, y

corresponde a un conjunto de valores pares, por lo tanto, la Medana será el promedio de los
valores centrales.

21, 19, 18, 15, 13, 11, 10, 9, 5, 3

Mediana = 13 + 11 / 2 = 24 / 2 = 12

Propiedades e inconvenientes

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

La Desviación Estándar

Es un índice numérico de la dispersión de un conjunto de datos (o población). Mientras

mayor es la desviación estándar, mayor es la dispersión de la población. La desviación
estándar es un promedio de las desviaciones individuales de cada observación con respecto
a la media de una distribución.

Aunado a esto, La desviación estándar de una población es normalmente

representada por la letra griega (sigma), cuando se calcula sobre la base de toda la
población; por la letra s (minúscula) cuando se infiere de una muestra; y por la letra S
(mayúscula) cuando simplemente corresponde a la desviación estándar de una muestra. La
fórmula de la desviación estándar es:

𝑺 = √𝒔 𝟐

Es la raíz cuadrada positiva de la varianza. Mide la variabilidad de los datos en las

unidades en que se midieron originalmente.

Características de la desviación estándar:

1. Siempre es un valor positivo.

2. Está influenciada por todos los valores de la muestra o población.
3. Mayor influencia ejercen los valores extremos debido a que son elevados al cuadrado en
el cálculo.
4. Sirve para definir la dispersión de los datos alrededor de la media.
 La Varianza

La varianza poblacional, es el promedio de los cuadrados de los desvíos de los datos

respecto a la media de la misma. Se calcula aplicando la fórmula:

∑𝑁 ̅ 2
𝑖=1(𝑥−𝑋)
𝜎2 =
𝑁

En cambio, Varianza de una muestra, denotada por S 2, se calcula con:

2
∑(𝑥 − 𝑥̅ )2
𝑆 =
𝑛−1

Procedimiento de cálculo de la varianza y desviación estándar

 Se calcula la media y se resta de cada uno de los valores de la variable. Esto produce
la desviación de cada valor a partir de la media 𝑥 − 𝑋̅ Enseguida, se elevan al
cuadrado estas desviaciones para obtener las Desviaciones cuadráticas (𝑥 − 𝑋̅)2
 Se efectúa la suma de las desviaciones cuadráticas respecto a la media: ∑(𝑥 − 𝑋̅ )2.
Este valor se conoce brevemente como la suma de los cuadrados.
 Se divide la suma de los cuadrados entre n -1. Este cociente representa la media de
las desviaciones cuadráticas y es precisamente la varianza.
 Finalmente, para hallar la desviación estándar se extrae raíz cuadrada de la varianza.

Ejemplo:

Un supervisor de una empresa de alimentos desea saber la variación en los pesos de

los empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al azar
cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490, 500,
510, 515 y 520) gramos respectivamente.

Solución:

Se calcula la media:

490 + 500 + 510 + 515 + 520 2535

𝑋̅ = = = 507
5 5
Luego la varianza será:

2
(490 − 507)2 + (500 − 507)2 + (510 − 507)2 + (515 − 507)2 + (520 − 507)2
𝑆 =
5−1

(−17)2 + (−7)2 + (3)2 + (8)2 + (13)2 289 + 49 + 9 + 64 + 169 580

𝑆2 = = = = 145
4 4 4

Por lo tanto la desviación estándar será:

𝑠 = √145 = 12,04 ≅ 12

Interpretación:

Se puede decir que el peso promedio de los empaques es de 507 gramos, con una
tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta información le
permite al supervisor de planta y la alta gerencia determinar cuánto es el promedio de
perdidas causado por el exceso de peso en los empaques y le da las bases para tomar los
correctivos necesarios en el proceso de empacado.