UNIVERSIDAD NACIONAL EXPERIMENTAL

“SIMÓN RODRÍGUEZ”

UNESR – NÚCLEO MARACAY. EXTENACIÓN MARIÑO

CORTE 2021-I

MEDIDAS DE TENDENCIAS
CENTRALES Y MEDIDAS DE POSICION

FACILITADOR: PARTICIPANTE:

Ochoa María Eugenia. Oslimar Muñoz

C.I.26.666.984

Sección: AT

Agosto, 2021

INTRODUCCION

Las medidas de tendencia central nos sirven de guía para encontrar los datos centrales y
representativos de un conjunto de observaciones en un estudio estadístico. Sin embargo, ¿Qué tan
“representativos pueden llegar a ser? Para resolver este interrogante es necesario acudir a medidas
que nos hablen sobre la variabilidad de los datos, en otras palabras sobre qué tan lejanos son los
datos con respecto a las medidas de tendencia central más relevantes. A estas medidas las
llamaremos medidas de dispersión o de variabilidad.

Las medidas de posición nos facilitan información sobre la serie de datos que estamos analizando. La
descripción de un conjunto de datos, incluye como un elemento de importancia la ubicación de
éstos dentro de un contexto de valores posible. Una vez definidos los conceptos básicos en el
estudio de una distribución de frecuencias de una variable, estudiaremos las distintas formas de
resumir dichas distribuciones mediante medidas de posición (o de centralización), teniendo presente
el error cometido en el resumen mediante las correspondientes medidas de dispersión. Se trata de
encontrar unas medidas que sinteticen las distribuciones de frecuencias. En vez de manejar todos los
datos sobre las variables, tarea que puede ser pesada, podemos caracterizar su distribución de
frecuencias mediante algunos valores numéricos, eligiendo como resumen de los datos un valor
central alrededor del cual se encuentran distribuidos los valores de la variable Son medidas
estadísticas cuyo valor representa el valor del dato que se encuentra en el centro de la distribución
de frecuencia, por lo que también se les llama “Medidas de Tendencia Central “.

OPERADOR DE SUMATORIA

SUMATORIA

El sumatorio (o sumatoria) es un operador matemático, representado por la letra griega sigma

mayúscula (Σ) que permite representar de manera abreviada sumas con muchos sumandos, con un
número indeterminado (representado por alguna letra) de ellos, o incluso con infinitos sumandos.
Los sumandos de un sumatorio se expresan generalmente como una variable (habitualmente x, y,
z, . . .) cuyos valores dependen de un índice (habitualmente i, j, k . . .) que toma valores enteros. El
índice empieza tomando el valor que aparece en la parte inferior del sumatorio y se va
incrementando en una unidad hasta llegar al valor que aparece en la parte superior del sumatorio.

Σ SIGMA SIMBOLO SUMATORIA

El símbolo de sumatoria Sigma se conoce como el símbolo matemáticos que representa la suma.
Sigma Σ es uno de los signos matemáticos más importantes que significa la suma de algo. Aparte de
escuela o universidad puedes ver este signo en muchos sitios de internet. Y te voy a enseñar cómo
hacerlo con tu teclado usando técnicas diferentes dependiendo de tu gusto y tu sistema operativo.

El nombre de sigma (sumatoria) símbolo, acordando a una teoría, puede provenir del Foenicio

Samekh. Según la otra teoría, su nombre original puede ser "San". Sigma también se usa como el
operador de suma, clases de bariones en partículas físicas, secciones macroscópicas en partículas
nucleares, energía propia en condensadores, el equilibrio entre clases de facturas, importe de las
deudas y las demandas de la economía, el conjunto de símbolos que forman un alfabeto en la
lingüística y la informática, etc.

EJEMPLOS DE SUMATORIAS

1.

2.

3.

4.
5.

CARACTERÍSTICAS DEL VALOR CENTRAL O DE POSICIÓN

Corresponden a valores que generalmente se ubican en la parte central de un conjunto de datos. Se

forma como los datos pueden condensarse en un solo valor central al rededor del cual todos los
datos muestrales se distribuyen.

MEDIDAS DE TENDENCIA CENTRAL

De la tendencia central de la distribución, nos interesa calcular un valor central que actúe como
resumen numérico para representar al conjunto de datos. Estos valores son las medidas o índices de
tendencia central. Los índices de tendencia central permiten representar la distribución con un único
valor y facilitan la comparación de otros conjuntos de puntuaciones de una variable.

Las medidas más utilizadas en el análisis de datos son: la media aritmética, la mediana y la moda.

MEDIA

También se llama promedio o media aritmética, es la medida de tendencia central más conocida y
usada en la práctica, por su sencillez de cálculo y es el fundamento de un gran número de técnicas
estadísticas. Indica la tendencia general de una distribución de frecuencias de una variable y es el
valor central de las observaciones “centro de gravedad”. Sin embargo se limita para calcular
variables cuantitativas. La media aritmética de una variable X, denotada por X, se define:

X =∑Xi /n

Donde:

• Xi es el valor que toma la variable u observación del sujeto i.

• n es el número total de observaciones.

Cuando el número de observaciones es elevado, los datos se presentan en tablas de

distribución de frecuencias, agrupados o no, en intervalos; en este caso se puede calcular a partir de
las frecuencias absolutas (ni) o de las frecuencias relativas o proporciones (pi):

1. Media aritmética a partir de una distribución de frecuencias absolutas:

X= ∑ni Xi / n

donde:

• n es el número total de observaciones.

• Xi es el valor i en la variable X i o el punto medio del intervalo.

 • ni es la frecuencia absoluta del valor o intervalo i.

2. Media aritmética a partir de una distribución de frecuencias relativas:

X = ∑pi Xi

donde:

• pi es la frecuencia relativa o proporción de observaciones del valor o del intervalo i.

• La media aritmética aprovecha toda la información disponible en los datos, pues

requiere de todas las puntuaciones de los sujetos. Así, la media aritmética presenta las siguientes
propiedades:

• En una distribución, la suma de las desviaciones de cada valor con respecto a su

media es igual a cero.

i=1∑n(Xi – X) = 0

• Si a los valores de la variable X les aplicamos la siguiente transformación lineal Y = bX

+ a, la media de los nuevos valores Y será Y = bX + a.

A la hora de utilizar la media aritmética conviene tener en cuenta las siguientes limitaciones:

• Cuando los datos están agrupados en intervalos, la media no se puede calcular si el

intervalo máximo no tiene límite superior y/o el mínimo no lo tiene inferior.

• En distribuciones asimétricas no es recomendable su uso debido a que afecta a su

representatividad como valor central de la distribución. Estos valores extremos pueden ser producto
de errores en la recogida o grabación de datos, o valores que aportan información relevante de la
variable. En el primer caso se eliminan estas observaciones, volviendo la distribución más simétrica.
Y en el caso dos, se recomienda aplicar otros índices de tendencia central menos sensibles a los
valores extremos como la mediana.

MEDIANA

Es el índice empleado cuando la distribución es asimétrica y no es posible aplicar la media

aritmética. La mediana no se ve afectada por los valores extremos que en su cálculo ocupan las
posiciones centrales. Por lo tanto, la mediana es un valor apropiado para representar la tendencia
central de la distribución y se puede obtener todo tipo de variables excepto en variables cualitativas.

La mediana de una variable X, representada por Md, se define como el valor de la variable que divide
la distribución de frecuencias en dos partes iguales, conteniendo cada una el 50% de las
observaciones.

Para el cálculo de la mediana con pocos casos se procede de la siguiente manera:

1) Se ordenan las n puntuaciones de menor a mayor.

2) Se observa si el número de observaciones n es impar o par. Si es impar, el valor de la

mediana es el de la observación que ocupa la posición central, dentro de ese conjunto de
observaciones ya ordenadas. Si es par, la mediana es la media aritmética de los dos valores centrales
de la distribución.

Lo normal es que el número n de observaciones no sea pequeño; incluso aparecerán repetidos y, por
ello, los datos se presentarán en tablas de distribución de frecuencias agrupados o no en intervalos.

Cuando los datos están en intervalos se denomina intervalo crítico y se corresponde con el que la
frecuencia absoluta acumulada na es igual o superior a n/2.

Cuando los datos no están agrupados en intervalos, el cálculo es un caso particular de la fórmula
anterior en la que la amplitud de los intervalos es igual a uno (I = 1).

La mediana se puede calcular en cualquier distribución excepto cuando los datos están agrupados y
existe uno abierto en el que se encuentra la mediana.

MODA

La moda es otro índice de tendencia central que se puede obtener tanto en variables cualitativas
como en cuantitativas. Se representa por Mo, y se define como el valor o categoría de la variable con
mayor frecuencia absoluta.

Si se da en una variable cuantitativa con los datos no agrupados en intervalos, la moda es el valor
con la mayor frecuencia absoluta.

Si se da en una distribución de una variable cuantitativa en intervalos, se localiza el intervalo modal

que es el intervalo con la frecuencia máxima y la moda es el medio de dicho intervalo.

Una frecuencia es unimodal cuando existe un único valor con la frecuencia máxima.Si presenta
varios valores con la frecuencia más alta, ésta será bimodal, trimodal, ...

Sus principales características son:

• es un índice de cálculo sencillo y de fácil interpretación.

• Es el único que, además de aplicarse a variables cuantitativas, se puede calcular en

variables cualitativas.

• Sólo se excluye su cálculo en el supuesto de que coincida con el intervalo abierto.

COMPARACION DE MEDIA, MEDIANA Y MODA

• La media es la medida más común de tendencia central.

• Desafortunadamente, se ve afectada por valores extremos o atípicos, y a diferencia

de la mediana, puede ser sesgada por las observaciones que están muy por encima o muy por
debajo de esta.

• La moda también es menos afectada por unas pocas observaciones atípicas.

• Esto no implica que una medida sea necesariamente mejor que las otras. La medida
que se seleccione depende de la naturaleza de los datos o de la forma como se utilicen los mismos.
 MEDIDA DE POSICION

Las Medidas de Posición, también conocidas como Otras Medidas de

Dispersión, son otras medidas o métodos que resultan ser más prácticos para
precisar ciertas situaciones en las que se busca describir la variación o dispersión
en un conjunto de datos

CUARTILES Y DECILES

Los cuartiles y deciles son medidas de posición en las que las secciones son
muchas menos que en los percentiles.

Los cuartiles son tres valores de la distribución que se dividen en cuatro

partes. El primer cuartil se representa por Q1 , deja por debajo de sí el 25%,
correspondiendo con el percentil 25. El segundo cuartil Q2 , deja por debajo el 50%,
equivalente al percentil 50 y a la mediana de la distribución. El tercero Q3 , deja por
debajo de sí el 75%, equivalente al percentil 75.

Para calcular los cuartiles emplearemos las mismas fórmulas que para los
percentiles en su equivalencia.

Los deciles son nueve valores que dividen en diez partes iguales a la
distribución. Se representa por Di , donde i = 1,2,...9.

El primer decil, deja por debajo de sí al 10% de los sujetos, el segundo el

20% y así hasta el 90%; pudiendo emplear nuevamente los percentiles
correspondientes para su cálculo.

RANGO PERCENTIL

  Se trata de una medida inversa del percentil. Se puede emplear, por ejemplo,
para indicar la posición del resultado de una prueba de aptitud entre los resultados
de la prueba. Pensemos que una puntuación tiene un rango percentil de 78. Eso
significa que el 78% de las otras personas tienen una calificación inferior. Cálculo
(datos sin agrupar): Para calcular el rango percentil de una medida cualquiera se
cuentan los inferiores a él, se divide ese número entre el número total. (Y se
multiplica por 100 y se redondea.)

PERCENTILES ACOMULADOS

Los percentiles son, tal vez, las medidas más utilizadas para propósitos de

ubicación o clasificación de las personas cuando atienden características tales como
peso, estatura, etc.
 Los percentiles son ciertos números que dividen la sucesión de datos
ordenados en cien partes porcentualmente iguales. Estos son los   valores que
dividen en cien partes iguales el conjunto de datos ordenados. 

Los percentiles ( ) muestran la variable que deja detrás una

frecuencia acumulada igual al valor del percentil: 

El percentil   supera al uno por ciento de los valores, es decir, indica que sólo
existe un   de probabilidad de que el valor de la variable esté por debajo de esa
cifra. El percentil , es aquel valor de la variable que supera al   de las
observaciones, es decir, indica que existe un   de probabilidad de que el valor de
la variable esté por debajo de esa cifra. El percentil   supera   de los datos, es
decir, indica que existe un   de probabilidad de que el valor de la variable esté
por debajo de esa cifra.

Para el cálculo de los percentiles para datos agrupados, lo primero que debe
hacerse es buscar la clase donde se encuentra      en la tabla de las
frecuencias acumuladas.

Después, se aplica la fórmula para obtener las posiciones:

Donde:

  es el límite inferior de la clase donde se encuentra la posición.

  es la suma de las frecuencias absolutas en la clase donde se encuentra la
posición.
  es la frecuencia acumulada anterior a la posición.
  es la amplitud de la clase.

CALCULO DEL VALOR CENTRAL O POSICIÓN

MEDIA ARITMÉTICA

Ejemplo
Encuentre la media del conjunto {2, 5, 5, 6, 8, 8, 9, 11}.
 Hay 8 números en el conjunto. Súmelos, y luego divida entre 8.

= 6.75

Así, la media es 6.75.

MEDIANA
La mediana se representa con las letras: Me.
Ejemplo
Calcular la mediana de los siguientes datos: 11, 6, 7, 7, 4.
Solución:

 Ordenamos los datos de menor a mayor: 4, 6, 7, 7, 11.

 Ahora tomamos el dato que se encuentra al centro: 4, 6, 7, 7, 11.
 El valor de la mediana es: Me = 7.

MODA
La moda se representa con las letras: Mo.
Ejemplo
Calcular la moda de los siguientes datos: 11, 6, 7, 7, 4.
Podemos ver que el valor que más se repite es el 7, ya que tiene una
frecuencia absoluta de 2, por lo tanto, Mo = 7.

BIBLIOGRAFIA

https://www.slideshare.net/JulioCsarTovarCardoz/estadistica-medidas-de-posicion

https://slideplayer.es/amp/13753121/
https://psikipedia.com/libro/analisis-de-datos/2475-medidas-de-posicion

https://psikipedia.com/libro/analisis-de-datos/2476-medidas-de-tendencia-central