MEDIDAS DE TENDENCIA CENTRAL

2. MEDIANA (Me):

‘‘Es el valor que queda en la parte central de un grupo de observaciones

arregladas en orden de magnitud’’ (García Pérez , pág. 6).

2.1 La Mediana (Me) para datos no agrupados:

Es el valor intermedio cuando los valores de los datos se ordenan en

forma ascendente.

La definición queda así: Ordene los datos en orden ascendente (de

menor a mayor)

Para un número impar de observaciones, la mediana es el valor

intermedio.
Para un número par de observaciones, la mediana es el promedio
de los dos valores intermedios.

Ejemplos:

a) Para obtener la mediana de los números X1 = 13, X2 = 15, X3 =

9, X4 = 6, X5 = 4, X6 = 12, X7 = 11, primeramente, los datos se
tienen que ordenarlos:

En este caso es cuando tenemos datos impares, para ellos la

𝑛+1
mediana se calcula: 𝑀𝑒 =
2

Entonces la mediana es 11.

b) Se ha obtenido una muestra con los valores de datos: 27, 25,

27, 30, 20 y 26. ¿cómo se determina la mediana en este caso?
 Primer paso, ordenar los datos de forma ascendente: 20, 25, 26,
27, 27, 30

Como el número de datos es par (6), la mediana es el promedio de

los datos que se encuentran en las posiciones (6+1) ÷1 = 3.5. Por
lo tanto, la mediana es:

26 + 27
𝑀𝑒 = = 26.5
2

La mediana es el centro geométrico de la distribución de los datos.

2.2 La Mediana (Me) para datos agrupados:

Cuando los datos se han organizado en una distribución de frecuencias,

la mediana (Me) es el conjunto de n observaciones que se determina
mediante la fórmula:

𝑛
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑓𝑖

Donde:

 Li: Límite inferior real de la clase que contiene la mediana.

 n: tamaño de la muestra.
 Fi-1: Frecuencia acumulada anterior a la clase que contiene
la mediana.
 fi: frecuencia de clase absoluta de la clase mediana.
 a: Amplitud del intervalo media.

Ejemplo: En la siguiente tabla se muestran las edades de un grupo de

personas.
 Ahora calculemos la mediana (Me) según las fórmulas explicadas más
arriba:

 Lo primero que debemos hacer para poder calcular la mediana es

identificar la clase mediana. Para esto tenemos que buscar el
intervalo en el que se encuentre. N / 2

En este caso N / 2 = 31 / 2 ⇒ 15,5

 Ahora debemos buscar el intervalo donde la frecuencia acumulada

(Fi) contenga el valor obtenido (15,5).

Ahora reemplazamos los datos en la fórmula:

𝑛
− 𝐹𝑖−1
𝑀𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑓𝑖

3. MODA (Mo): En principio la moda se define como el valor más frecuente de

los datos. Lo que ocurre es que, si éstos son datos de una variable continua o
discreta con muchos valores, puede que los datos apenas se repitan. En ese
caso, se debe agrupar por intervalos, no debe darse un valor como moda, sino
un intervalo modal, aquél con mayor frecuencia asociada. (Sáez Castillo, 2012,
pág. 26)

3.1 La Moda (Mo) Para Datos no agrupados:

Por ejemplo, para los siguientes datos, la moda es 15, porque es el valor
que se repite más.

4, 6, 9, 11, 12, 13, 15, 15

Sí se tiene dos o más valores con la misma frecuencia máxima, la

distribución puede ser multimodal.
Si no hay un valor que se repita más veces que los otros, no existe la
moda.
Ejemplos donde no existe Moda:
 La siguiente serie de datos no tienen moda, porque no hay ningún
dato que se repita más que otro. Todos tienen frecuencia 1
4, 7, 12, 15, 10, 6, 8
 La siguiente serie de datos no tiene moda porque no hay ningún
dato que se repita más que otro, todos tienen frecuencia 3
5, 5, 5, 6, 6, 6, 10, 10, 10

3.2 La Moda (Mo) Para Datos agrupados:

𝑑1
𝑀𝑜 = 𝐿𝑖 + ( )∗𝑎
𝑑1 + 𝑑2

Donde:
 Li = Límite exacto inferior de la clase modal, es decir, la clase que
contiene a la moda (es decir, la de mayor frecuencia)
 d1 = fi - fi-1
 d2 = fi - fi+1
 a: Amplitud de los intervalos.

Ejemplo: Tomando el ejemplo anterior

 En la siguiente tabla se muestran las edades de un grupo de
personas.

 Lo primero que debemos hacer es identificar el intervalo modal:

 Ahora podemos reemplazar los datos en la fórmula:

𝑑1
𝑀𝑜 = 𝐿𝑖 + ( )∗𝑎
𝑑1 + 𝑑2

Nota: Si la moda está en el primer intervalo, entonces fi-1= 0. Si la moda está

en el último intervalo, entonces fi+1= 0.

MEDIDAS DE DISPERSIÓN:

Las medidas de variación o dispersión están relacionadas con las medidas de

tendencia central, ya que lo que pretenden es cuantificar cómo de concentrados
o dispersos están los datos respecto a estas medidas. Nosotros nos vamos a
limitar a dar medidas de dispersión asociadas a la media. (Sáez Castillo, 2012,
pág. 28)
1° VARIANZA:

1.1 VARIANZA MUESTRAL (S2):

La varianza para la muestra se representa mediante una S2:

En datos no agrupados, la varianza es la sumatoria del
cuadrado de las desviaciones respecto a la media entre
el número total de datos.

Datos no agrupados

∑ ( 𝑋𝑖 − ̅ )2
𝑋
𝑆2 =
𝑛−1
Datos agrupados

∑ 𝑓𝑖 ∗ ( 𝑋𝑖 − ̅ )2
𝑋
𝑆2 =
𝑛−1

2.2 VARIANZA POBLACIONAL (𝝈2):

2
∑(𝑋𝑖 − 𝑋̅)2
𝜎 =
𝑛