Medidas

estadísticas
Módulo 4

Probabilidad y Estadística
2022 - 2

Videoconferencia 05
LOGRO DE LA SESIÓN

Cuando culmines este módulo, estarás en capacidad de:

Resolver, interpretar y tomar decisiones en

problemas de situaciones reales, aplicando las
medidas de tendencia central y dispersión,
utilizando el software estadístico IBM SPSS.
ÍNDICE

1. Introducción
2. Medidas estadísticas
3. Medidas de Tendencia Central:
– Media aritmética
– Mediana
– Moda
4. Relación de las Medidas de Tendencia Central
5. Medidas de dispersión:
– Rango o recorrido
– Varianza y desviación estándar
– Coeficiente de variación
6. Ejemplos de aplicación
7. Verificamos nuestro logro de aprendizaje
8. Conclusiones
Introducción

Reflexionamos.

1. ¿Qué medidas
estadísticas de
tendencia central se
describen?

2. ¿Que medida estadística

permite conocer la
variabilidad de los
datos?

https://www.youtube.com/watch?v=aRgbmsR9uJ0
MEDIDAS ESTADÍSTICAS

También llamadas medidas

de resumen, sirven para
describir en forma
resumida un conjunto de
datos que constituyen una
muestra tomada de alguna
población, con la finalidad
de obtener información
necesaria.
MEDIDAS ESTADÍSTICAS DE TENDENCIA CENTRAL

Son medidas estadísticas que tratan de resumir en un solo valor representativo a un

conjunto total de datos que se analiza.

Media o 𝜇 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙

promedio 𝑥ҧ 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙

Medidas de
tendencia
central

𝑀𝑒: 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 Mediana Moda 𝑀𝑜: 𝑚𝑜𝑑𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙

𝑚𝑜: 𝑚𝑜𝑑𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑚𝑒: 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
 ഥ)
Media, Media aritmética o promedio ( 𝒙

Edades: 26, 26, 26, 26, 21

Es la medida de tendencia central que se utiliza con mayor
frecuencia y se obtiene al sumar todos los valores observados 𝑋ത =
26 + 26 + 26 + 26 + 21
= 25
5
de la variable, dividido entre el número de observaciones. La edad promedio de los estudiantes
es 25 años.

Interpretación: La variable promedio de los elementos es ….. unidades

 Mediana (me)

Edades: 26, 26, 26, 26, 21, n = 5

Es el valor que divide en dos partes iguales a un
conjunto de datos ordenados, en forma creciente o Ordenar: 21, 26, 26, 26, 26
X1 X2 X3 X4 X5
decreciente. Mediana = 26
El 50% de los estudiantes tienen edades
menores o iguales a 26 años.
𝑚𝑒 = 𝑋 𝑛+1 = 𝑋 5+1 = 𝑋(3) = 26
( ) ( )
2 2

Interpretación: El 50% de los elementos tienen

“variable” menores o iguales (hasta, como máximo)
…… unidades.
 ES LA UNICA MEDIDA ESTADÍSTICA QUE SE USA PARA VARIABLES
Moda (Mo)
CUALITATIVAS Y CUANTITATIVAS

Se define como el dato que más veces se repite.

Un conjunto de datos puede

presentar los siguientes casos:

Interpretación: La variable más frecuente de los

elementos es ….. unidades.

Edades: 26, 26, 26, 26, 21

Moda = 26
La edad más frecuente de los estudiantes es
26 años.
Relación de las medidas de tendencia central
MEDIDAS DE DISPERSIÓN

Son aquellos valores que indican la variabilidad de los datos en torno a su valor
promedio; es decir permiten identificar si se encuentran poco o muy esparcidos en
torno a su centro.

Rango

Coeficiente de Medidas de Desviación

variación dispersión estándar

Varianza
Rango o recorrido

Es la medida de dispersión más sencilla. Se determina restando el valor máximo del

valor mínimo de los datos. Interpretación: La diferencia entre el valor mayor y
el valor menor es … unidades
R = valor máx. – valor mín.

Ejemplo: Se tiene el registro de una semana, acerca del tiempo en minutos, que
demora la movilidad de casa al centro de estudios. Los datos son: 15´, 14.5´, 12.5´,
22´, 20´. Encontrar el rango del tiempo de demora de esta movilidad.

R = 22´ – 12.5´ = 9.5´

La diferencia entre el mayor y el menor tiempo que demora la movilidad de
casa al centro de estudios es de 9.5 minutos.
Varianza

• Es la medida de variabilidad que muestra el grado de dispersión de un grupo de observaciones.

• Se define como el promedio del cuadrado de las desviaciones respecto a la media (ഥ 𝒙) de una
distribución. Sus unidades están al cuadrado (no se interpreta)
Desviación estándar

Conocida también como la desviación típica y es la medida que nos indica cuánto
tienden a alejarse los datos del promedio. Se calcula sacando la raíz cuadrada de la
varianza. Pesos Ingresos mensuales
Var = 16 Var = 100
Desvest = 16 = 4 Desvest = 100 = 10
Promedio = 60 kg. Promedio = 1200 soles

Interpretación: La variabilidad de los datos con

respecto al promedio es de …. unidades
Coeficiente de variación

▪ Se define como el cociente entre la desviación estándar(𝐒) y la media aritmética(ത

𝐱).
▪ El coeficiente de variación no tiene unidades y se expresa en porcentaje(%).
▪ Se utiliza para comparar la variabilidad de dos o más conjuntos de datos expresados en
diferentes unidades.
Pesos Ingresos mensuales
Var = 16 Var = 100
Desvest (S) = 16 = 4 Desvest (S) = 100 = 10
Promedio (X) = 60 kg. Promedio (X) = 1200 soles
CV = 4/60*100 = 6.66% <= 30% CV = 10/1200 * 100 = 0.83% <= 30%
Los pesos tienen un Los ingresos mensuales tienen un
comportamiento homogéneo. comportamiento homogéneo.

Si el CV ≤ 30%; el conjunto de datos tiene un comportamiento HOMOGÉNEO

Si el CV > 30%; el conjunto de datos tiene un comportamiento HETEROGÉNEO
 Ejemplos de aplicación
Descarga la data de la sección:

“MATERIAL COMPLEMENTARIO – SEMANA 5”

 EJEMPLO 1:

La empresa Elektro S.A., fabricante de componentes electrónicos, está interesada en analizar el tiempo de vida
de un cierto tipo de batería, la cual es necesaria para sus componentes electrónicos, los cuales se desea adquirir
de un nuevo proveedor. A continuación se presentan los datos en horas de vida correspondiente a una muestra
de 30 baterías del nuevo proveedor.

319.5 379.1 236.7 283.4 295.5 261.3

339.1 224.1 370.3 353.0 385.3 326.7

224.6 213.7 397.3 221.5 370.8 309.1

180.8 233.5 317.2 377.8 180.8 256.3

330.6 374.6 267.1 276.1 266.3 281.0

a. Calcular e interpretar las medidas de tendencia central (media, mediana y moda)

b. Realice el análisis de forma de distribución del tiempo de vida de las baterías.
c. Calcule e interprete las medidas de dispersión (rango, varianza, desviación estándar y
coeficiente de variación)
EJEMPLO 1:

Pasos a seguir: 1) Ingresamos los datos a SPSS

 EJEMPLO 1:

2) Seguimos la siguiente ruta de opciones:

Menú “Analizar” →´”Estadísticos Descriptivos” → “Frecuencias…”
EJEMPLO 1:

3) Trasladamos la variable y seleccionamos la opción: “Estadísticos…”

EJEMPLO 1:

4) Activamos en tendencia central: “Media”,

“Mediana” y “Moda” y luego en Dispersión:
“Desviación estándar”, “Varianza” y “Rango”,
Posteriormente hacemos click en “Continuar”
5) Finalmente hacemos click en “Aceptar”
EJEMPLO 1:

a. Calcular e interpretar las medidas de tendencia central

(media, mediana y moda)

El tiempo promedio de vida de las baterías es 295.103 horas

El 50% de las baterías tienen un tiempo de vida máximo de 289.45 horas.

El tiempo de vida más frecuente de las baterías es de 180.8 horas.

b. Realice el análisis de forma de distribución del tiempo de vida de las baterías.

Media = 295.103 > Mediana = 289.450 > Moda = 180.8
La distribución es asimétrica positiva o de sesgo derecho
Por lo tanto: La mayor cantidad de baterías tienen un poco tiempo de vida útil.
EJEMPLO 1:

c. Calcule e interprete las medidas de dispersión (rango, varianza, desviación estándar y coeficiente de variación)

Para calcular el coeficiente de variación:

Con los datos de la desviación estándar y la media,
reemplazamos y calculamos
El tiempo de vida de las baterías
presenta una variabilidad de
64.15 horas, con respecto a su
promedio
64.1537
No se interpreta = 295.103 ∗ 100 = 21.74%

Como CV = 21.74% < 30%, entonces se concluye que

La diferencia entre el mayor
tiempo de vida y el menor el tiempo de vida de las baterías tiene un
tiempo de vida de las baterías comportamiento HOMOGÉNEO
analizadas es de 216.5 horas.
Tema: Medidas estadísticas

EJEMPLO DE APLICACIÓN 2
La siguiente información corresponde a los resultados
del control anual de salud ocupacional de 40
trabajadores de la empresa “Peruvian Center”. Estas
variables nos permitirán conocer el estado de salud
actual de los trabajadores, para prevenir enfermedades
de riesgo que afecten la productividad laboral.
Determinar las siguientes situaciones:
•Situación 1: Género que tiene un ingreso medio mensual
más bajo. (Elegir el menor salario - Media o promedio)
•Situación 2: Género que presenta mayor heterogeneidad
en el ingreso mensual. (Elegir el mayor - Coeficiente de
variación)
Finalmente, el gerente tomará la decisión de aumentar
el ingreso mensual al género que cumpla las dos
situaciones. Caso contrario, aumentará el ingreso para
ambos géneros. ¿Cuál será la decisión del gerente?
 Ejemplo de aplicación 2

Ingresamos los datos a SPSS:

El enunciado indica:
Determinar las siguientes situaciones:
•Género que tiene un ingreso medio mensual más bajo.
•Género que presenta menor homogeneidad en el ingreso mensual.

Por lo tanto, debemos analizar o comparar los ingresos mensuales tanto de trabajadores de género
masculino con los de género femenino.
Ejemplo de aplicación 2

Segmentamos el archivo: Datos/ Segmentar archivo…

Activamos “Comparar los grupos”, y luego en “Grupos

basados en:” , ingresamos la variable Género,
Posteriormente seleccionamos “Ordenar archivo según
variables de agrupación” y finalmente hacemos click
en “Aceptar”
Ejemplo de aplicación 2

Seguimos la siguiente ruta de opciones:

Menú “Analizar” →´”Estadísticos Descriptivos” → “Frecuencias…”

Trasladamos la variable y seleccionamos

la opción: “Estadísticos…”
Ejemplo de aplicación 2

Activamos en tendencia central: “Media”, y

luego en Dispersión: “Desviación estándar”.
Posteriormente hacemos click en “Continuar”
Finalmente hacemos click en “Aceptar”
 Ejemplo de aplicación 2

698.087
= ∗ 100 = 23.5%
2967.32

Como CV = 23.5% < 30%, entonces se concluye que

ingresos mensuales de los hombres tienen un
comportamiento HOMOGÉNEO

1001.962
= ∗ 100 = 46.2%
2168.07

Ingreso medio más bajo Como CV = 46.2% > 30%, entonces se concluye que los
ingresos mensuales de las mujeres tiene un
comportamiento HETEROGÉNEO

MAS HETEROGÉNEO (MAYOR CV): Femenino

¿Cuál será la decisión del gerente?
Las trabajadoras de género femenino cumplen ambas condiciones, por lo tanto el gerente tomará
la decisión de aumentar sus ingresos mensuales.
Ejemplo de aplicación 2

698.087
= ∗ 100 = 23.5%
2967.32

Como CV = 23.5% < 30%, entonces se concluye que

el tiempo de vida de las baterías tiene un
comportamiento HOMOGÉNEO

1001.962
= ∗ 100 = 46.2%
2168.07

Ingreso medio más bajo Como CV = 46.2% > 30%, entonces se concluye que los
ingresos mensuales de las mujeres tiene un
comportamiento HETEROGÉNEO

SELECCIONA EL SALARIO QUE PRESENTA MAYOR HOMOGENEIDAD (MENOR CV) = Masculino

EJEMPLO ADICIONAL:
CV1 = 42.5% CV2 = 58.9% MAYOR HOMOGENEIDAD (MENOR CV) = CV1
Evaluando lo aprendido

Estimados estudiantes repasamos lo aprendido respondiendo a los ítems propuestos a

través del siguiente link: https://wordwall.net/resource/35640424
Conclusiones

1 Las medidas estadísticas son aquellas que se calculan a partir de un conjunto de datos
numéricos y que describen ciertos aspectos de una serie o distribución de datos para poder
tener un mejor conocimiento de la población.
2 Las medidas de tendencia central resumen en un solo valor representativo a un
conjunto total de datos cuantitativos analizados, entre ellas tenemos a la media, la
mediana y la moda. Sin embargo, la moda es la única medida estadística que se puede
calcular para datos cualitativos.
3 La relación entre las medidas de tendencia central indica si los datos siguen una
distribución simétrica, asimétrica positiva o asimétrica negativa.

4 Las medidas de dispersión son aquellos valores que indican la variabilidad de los
datos en torno a su valor promedio, entre ellas tenemos al rango, la varianza, la
desviación estándar y el coeficiente de variación.
Recordamos nuestro logro de aprendizaje...!!

Resolver, interpretar y tomar decisiones en problemas de situaciones

reales, aplicando las medidas de tendencia central y dispersión,
utilizando el software estadístico IBM SPSS.

Te invito a reflexionar.
¿Lo lograste?

Estoy segura que sí..!!

Si tienes dudas recuerda enviar tus consultas a través de Pregúntale al profesor
o Mensajería interna y te responderemos como máximo en 24 horas
 Te invito a participar de la próxima clase:

Puedes ir explorando aplicaciones de las

probabilidades en los siguientes artículos
MÓDULO 5: científicos.
PROBABILIDADES

ARTÍCULO CIENTÍFICO: TEORÍA DE LAS DECISIONES

https://www.redalyc.org/pdf/4259/425942454012.pdf

ARTÍCULO CIENTÍFICO: El teorema de Bayes y su utilización en la interpretación de

las pruebas diagnósticas en el laboratorio clínico.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03002009000300013

ARTÍCULO CIENTÍFICO: Toma de decisiones: el imperativo diario de la vida en la

organización moderna.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1024-94352005000300010
© 2022 | Universidad Privada del Norte