Lunes 11 Septiembre 2017
INGENIERIA CIVIL INDUSTRIAL
Universidad de Valparaso
TAREA N3
Ventajas y desventajas: Moda, Mediana y Media
CONCEPTO VENTAJAS
No requiere clculos.
Moda
Puede usarse para datos tanto cuantitativos
como cualitativos.
Fcil de interpretar.
No se ve influenciada por valores extremos.
Se puede calcular en clases de extremo abierto.
Fcil de calcular si el nmero de observaciones
Mediana no es muy grande.
No se ve influenciada por valores extremos, ya
que solo influyen los valores centrales.
Fcil de entender.
Se puede calcular para cualquier tipo de datos
cuantitativos, incluso los datos con clase de
extremo abierto.
Es la medida de tendencia central ms
representativa en el caso de variables que solo
admiten la escala ordinal.
Para datos agrupados:
Los valores extremos no afectan a la mediana
como en el caso de la media aritmtica.
Es fcil de calcular, interpretar y entender.
Se puede determinar para datos cualitativos,
registrados bajo una escala ordinal.
Es la medida de tendencia central ms usada.
Media
Emplea en su clculo toda la informacin
disponible.
El promedio es estable en el muestreo.
Es un valor nico.
DESVENTAJAS
Para conjuntos pequeos de datos su valor no tiene casi
utilidad, si es que de hecho existe. Solo tiene significado
en el caso de una gran cantidad de datos.
No utiliza toda la informacin disponible.
No siempre existe, si los datos no se repiten.
En ocasiones, el azar hace que una sola observacin no
represente el valor ms frecuente del conjunto de datos.
Difcil de interpretar si los datos tiene 3 o ms modas.
Para datos agrupados:
No tiene un uso tan frecuente como la media.
Muchas veces no existe moda (distribucin amodal)
En otros casos la distribucin tiene varias modas, lo que
dificulta su interpretacin.
No utiliza en su clculo toda la informacin disponible.
No pondera cada valor por el nmero de veces que se ha
repetido.
Hay que ordenar los datos antes de determinarla.
Para datos agrupados:
Como valor central, se debe ordenar primero la serie de
datos.
Para una serie amplia de datos no agrupados, el proceso
de ordenamiento de los datos demanda tiempo y
usualmente provoca equivocaciones.
Es sensible a los valores extremos.
No es recomendable emplearla en distribuciones muy
asimtricas.
Si se emplean variables discretas o cuasi-cualitativas, la
media aritmtica puede no pertenecer al conjunto de
valores de la variable.
 Es sensible a cualquier cambio en los datos Si el conjunto de datos es muy grande puede ser tedioso
Media (puede ser usado como un detector de su clculo manual.
variaciones en los datos).
No se puede calcular para datos cualitativos.
Se emplea a menudo en clculos estadsticos
posteriores. No se puede calcular para datos que tengan clases de
extremo abierto, tanto superior como inferior
Es til para llevar a cabo procedimientos
estadsticos como la comparacin de medias de
varios conjuntos de datos.
Defina y de un ejemplo

1) MEDIA GEOMETRICA (G):

La media geomtrica (G) de un conjunto de nmeros estrictamente positivos (X1, X2,,XN) es la raz N-sima del producto de
los N elementos.

Todos los elementos del conjunto tienen que ser mayores que cero. Si algn elemento fuese cero (Xi=0), entonces la G sera 0
aunque todos los dems valores estuviesen alejados del cero.

La media geomtrica es til para calcular medias de porcentajes, tantos por uno, puntuaciones o ndices.
Tiene la ventaja de que no es tan sensible como la media a los valores extremos.
EJEMPLO:
En una empresa quieren saber la proporcin media de mujeres en los diferentes departamentos. Para ello, se recoge el
porcentaje de mujeres en los cinco principales departamentos.

Como es la media de porcentajes, calculamos la media geomtrica que es ms representativa.

2) MEDIA ARMONICA (H):

La media armnica (H) de un conjunto de elementos no nulos (X1, X2,,XN) es el recproco de la suma de los recprocos
(donde 1/Xi es el recproco de Xi)) multiplicado por el nmero de elementos del conjunto (N).

Suele utilizarse principalmente para calcular la media de velocidades, tiempos o en electrnica.

 EJEMPLO:

Un tren realiza un trayecto de 400km. La va tiene en mal estado que no permitan correr. Los primeros 100 km los
recorre a 120km/h, los siguientes 100km la va est en mal estado y va a 20km/h, los terceros a 100km/h y los 100
ltimos a 130km/h. Para calcular el promedio de velocidades, calculamos la media armnica.

La media armnica es de H=52,61km/h.

3) SESGO:
El sesgo estadstico es un error que se detecta en los resultados de un estudio y que se debe a factores en la recoleccin,
anlisis, interpretacin o revisin de los datos.
El sesgo es el grado de asimetra o falta de asimetra, de una distribucin, si el polgono de frecuencias visualizado de una
distribucin tiene una cola ms larga a la derecha del mximo central que a la izquierda, se dice que la distribucin esta segada a
la derecha o que tiene sesgo positivo (asimetra positiva) y si al contrario se dice que tiene sesgo (asimetra negativa) en la
asimetra encontramos:
ASIMETRICAMENTE POSITIVA: cuando el sesgo es mayor a 0
NORMAL: sesgo igual a 0
SIMETRICAMENTE NEGATIVA: cuando el sesgo es menor a 0

4) CURTOSIS:
Es la agudeza de la curva normal, esta agudeza puede ser alta, baja o intermedia dando lugar a diferentes tipos de curvas como:
plato, meso, leptocrtica.
 A) Para datos tabulados
Xaparente Xreal
Limite Inferior Limite Superior Limite Inferior Limite Superior Xi ni fi Ni Fi
86 98 85,5 98,5 92 13 0,92857143 13 0,92857143
99 111 98,5 111,5 105 1 0,07142857 14 1
112 124 111,5 124,5 118 0 0 14 1
125 137 124,5 137,5 131 0 0 14 1
138 150 137,5 150,5 144 0 0 14 1
TOTAL 14 1

Media 92,92857143
Mediana 100,1818182
Moda 97,26666667

Para datos no tabulados

Datos
88 100
89 100
90 104
90 105
92 105
95 107
95 107
96 108
96 109
96 110
97 112
97 125
98 148 Media 94,2142857
100 149 Mediana 95,5
Moda 96

Diagrama de caja y bigotes

xmin
Xmax
n Q1 Q2 Q3

88 149 Francisca Araya

95,5 100 107,5 Scarlett Figueroa
Valentina Martnez
Joaqun Seplveda

Estadstica
Prof. David Becerra
Paralelo B