Medidas de tendencia central:

Las medidas de tendencia central son valores que se ubican al centro de un conjunto de datos
ordenados según su magnitud. Generalmente se utilizan 4 de estos valores tambien conocidos
como la media aritmetica, la mediana , la moda.

Media aritmetica: la medida aritmetica es la medida de posicion utilizada con mas frecuencia. Si se
tienen valores de observaciones, la media aritmetica es la suma de todos y cada uno de los valores
dividida entre el total de valores: lo que indica que pueden ser afectadas por los valores extremos,
por lo que puede dar una imagen distorcionada de la informacion de los datos.

Mediana: es el valor que ocupa la posicion central en un conjunto de datos, que deben estar
ordenados, de esta manera la mitad de las observaciones es menor que la mitad y la otra mitad es
mayor que la mediana, resulta muy apropiada cuando se poseen observaciones extremas.

Moda: la moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No
depende de valores extremos, pero es mas variables que la media y la mediana.

Medidas de dispersión: las medidas de dispersión entregan información sobre la variación de la

variable pretende resumir en un solo valor la dispersión que tiene un conjunto de datos. Las
medidas de dispersión mas utilizadas son: rango de variación, varianza, desviación estándar,
coeficiente de variación.

Rango de variación: se trata de la diferencia entre el limite superior y el limite inferior de un

conjunto de datos.

Para eliminar la influencia de los extremos en el cálculo del rango , es común hacer uso del rango
intercuartílico que consiste en determinar la diferencia entre el tercer cuartil y el primero.

QD = Q3 – Q1
El rango semiintercuartilico o desviación cuartil se obtiene calculando el rango intercuartílico y
dividiendo este entre dos.

Q2 = Q3 – Q1 /2

De la misma manera, el rango interdecil corresponde a la diferencia entre el noveno y el primer

decil:

DR = D9 – D1

La varianza: es una medida estadística que mide la dispersión de los valores respecto a un valor
central (media), es decir, es el cuadrado de las desviaciones. Se simboliza s˄2 para la varianza
muestral y˄2 para la varianza poblacional.

Coeficiente de variación: cuando se desea hacer referencia a la relación entre el tamaño de la

medida y la variabilidad de la variable, se utiliza el coeficiente de variación. Su fórmula expresa la
desviación estándar como porcentaje de la medida aritmética, mostrando una mejor
interpretación porcentual del grado de variabilidad que la desviación típica o estándar.

CV = s / x * 100 %

Desviación media: se define como la media aritmética de las desviaciones respecto a la media,
tomadas en valor absoluto. es una de las medidas más fáciles de calcular y por ello, muy usada.
Ella toma todos los valores de la variable y es menos afectada que la desviación estándar por los
valores extremos. Su valor siempre será menor que la desviación estándar.
Medidas de asimetría y apuntamiento: en las distribuciones asimétricas la media se corre en el
sentido del alargamiento o sesgo por efecto de las frecuencias y de los valores extremos de la
variable; la mediana también se corre, pero menos que la media ya que en ella solo influyen las
frecuencias; en tanto que la moda no es influenciada ni por las frecuencias ni por los valores
extremos. La distribución es asimétrica positiva cuando presenta un alargamiento o sesgo a la
derecha y: Mo < Me < X

Será asimétrica negativa cuando presenta un alargamiento o sesgo a la izquierda y: x < Me < Mo .

Se reconocen, entre otras, las siguientes medidas para calcular el grado de la asimetría:

- Coeficiente de Pearson: asimetría en función de la media y la moda. Varían entre 3 y es 0

en la distribución normal.

- Media cuartil de asimetría o media de bowley. Varía entre + 0 – 1 y es 0 en la distribución

normal.

Medidas de posición: Las medidas de posición relativa se llaman en general cuantiles y se pueden
clasificar en tres grandes grupos: Cuartiles, quintiles, deciles, percentiles, Las medidas de posición
como los cuartiles, deciles y percentiles dividen a una distribución ordenada en partes iguales.
Para calcular las medidas de posición es necesario que los datos estén ordenados de menor a
mayor.

Cuartiles (Qn): son los tres valores de la variable de una distribución que la dividen en cuatro
partes iguales, es decir, al 25%, 50% y 75%. Para calcular el valor de uno de los cuatro Cuartiles, se
utiliza la formula: Qk = k ( n / 4 ).

En donde Qk = cuartil numero 1 ,2 ,3 o 4.

n = total de datos de la distribución.

Se advierte que la posición del segundo cuartil corresponde a la ubicación de la

mediana, es decir que el segundo cuartil será siempre igual a la mediana.
El primer cuartil (Q1) es el valor de la variable que supera a lo más el 25 % de los
datos y es superado por a lo más el 75 % de ellos en la distribución ordenada de
menor a mayor.
El segundo cuartil (Q2) es un valor que supera a lo más el 50 % de los datos y es
superado por a lo más el 50 % de ellos, es decir, Q2 coincide con la mediana.

El tercer cuartil (Q3) es un valor que supera a lo más al 75 % de los datos y es

superado por a lo más el 25 % de ellos.

Los Deciles: Corresponden a los 9 valores que dividen a estos en 10 partes iguales,
es decir, al 10%, al 20%... y al 90%. Los Deciles se designan por D1, D2,..., D9.

Los percentiles (Pn): son los noventa y nueve valores de la variable de una
distribución que la dividen en cien partes iguales, es decir, al 1%, al 2%... y al 99% de
los datos. Los percentiles se designan por P1, P2,... P99
P50 coincide con la mediana.

Los percentiles se dividen en 100.

Desviación típica: La desviación típica o estándar es una medida que
ofrece información sobre la dispersión media de una variable. La
desviación típica es siempre mayor o igual que cero.

Para entender este concepto necesitamos analizar 2 conceptos fundamentales.

Esperanza matemática, valor esperado o media: Es la media de nuestra serie de datos.

Desviación: La desviación es la separación que existe entre un valor cualquiera de la serie y la

media.

Ahora, entendiendo estos dos conceptos la desviación típica se calculará de forma similar a la
media. Pero tomando como valores las desviaciones. Y aunque este razonamiento es intuitivo y
lógico tiene un fallo que vamos a comprobar con el siguiente gráfico.

En la imagen anterior tenemos 6 observaciones, es decir, N = 6. La media de las observaciones está

representa por la línea negra situada en el centro del gráfico y es 3. Entenderemos por desviación,
la diferencia que existe entre cualquiera de las observaciones y la línea negra. Así pues, tenemos 6
desviaciones.

Desviación -> (2-3) = -1

Desviación -> (4-3) = 1

Desviación -> (2-3) = -1

Desviación -> (4-3) = 1

Desviación -> (2-3) = -1

Desviación -> (4-3) = 1

Como podemos ver si sumamos las dos desviaciones 6 desviaciones y dividimos entre N (6
observaciones), el resultado es cero. La lógica sería que la desviación media fuese de 1. Pero una
característica matemática de la media respecto a los valores que la forman es, precisamente, que
la suma de las desviaciones es cero. ¿Cómo arreglamos esto? Elevando al cuadrado las
desviaciones.
Fórmulas para calcular la desviación típica:

La primera es elevando al cuadrado las desviaciones, dividir entre el número total de

observaciones y por último hacer la raíz cuadrada para deshacer el elevado al cuadrado, tal que:

Alternativamente existiría otra forma de calcularla. Sería haciendo un promedio de la suma de los
valores absolutos de las desviaciones. Es decir, aplicar la siguiente fórmula:

Sin embargo, esta fórmula no es una alternativa de la desviación típica pues arroja diferentes
resultados. En realidad, la fórmula anterior es la desviación respecto de la media. La desviación
estándar o típica y la desviación respecto de la media.

Medidas de apuntamiento:
La curtosis (también conocida como medida de apuntamiento) es una medida estadística, que
determina el grado de concentración que presentan los valores de una variable alrededor de la
zona central de la distribución de frecuencias.

Por tanto, la curtosis nos informa de lo apuntada (mayor concentración) o lo achatada (menor
concentración) que es una distribución.

Tipos de curtosis

Dependiendo del grado de curtosis, tenemos tres tipos de distribuciones:

Leptocúrtica: Existe una gran concentración de los valores en torno a su media (g2>3)
Mesocúrtica: Existe una concentración normal de los valores en torno a su media (g2=3).

Platicúrtica: Existe una baja concentración de los valores en torno a su media (g2<3).

Medidas de curtosis según los datos

Dependiendo de la agrupación o no de los datos, se utiliza una fórmula u otra.

Datos sin agrupar:

Datos agrupados en tablas de frecuencias:

Datos agrupados en intervalos: