A y Costos Unidad 4

Sesión de estudio Nº 4: Medidas de tendencia central
Introducción
Una tabla de frecuencias, un histograma o un polígono de frecuencias

describen una distribución de frecuencias, es decir, muestran el patrón de
distribución de las frecuencias. En general, las descripciones se refieren a aspectos
de la forma del histograma o del polígono de frecuencias.
La primera característica de un conjunto de datos que deseamos medir es el centro

o la tendencia hacia ese centro: la tendencia central. El propósito de una medida de
tendencia central es resumir un conjunto de datos de forma que podamos tener un
panorama general; una medida tal sirve como representante del resto de la
información.
¿Comenzamos?
Objetivos:
Estudio de presentaciones de datos.

Organizar datos y diseñar estrategias e instrumentos de análisis .
Analizar y resolver problemas que involucren la recopilación y presentación de datos
utilizando medidas de tendencia central.
Tecnicatura Superior en Higiene y Seguridad. Universidad Tecnológica Nacional Facultad Mendoza. Cohorte 2009
Profesor Ignacio Artero 1

Sesión de Estudio Nº 4: Medidas de tendencia central
Las medidas de tendencia central suelen llamarse promedios, y son el ‘valor típico’ en el sentido
de que se emplea a veces para representar todos los valores individuales de un conjunto de
datos. Es decir, las medidas de tendencia central dan un valor típico o representativo de un
conjunto de datos.
La tendencia central de un conjunto de datos es la disposición de éstos para agruparse ya sea

alrededor del centro o de ciertos valores numéricos. Hay varias medidas de tendencia central, con
propiedades particulares que las hacen ‘típicas’ en alguna forma única. Las más frecuentemente
utilizadas son la media aritmética, la mediana y la moda.
EJEMPLO 1. Consideremos las siguientes variables y sus muestras.
a) Pesos en kg: 5, 16, 12, 15 y 20

b) Calificaciones de un examen sobre 100 puntos: 31, 65, 73, 78, 79, 80 y 81
c) Colores de coches: 3 blancos, 4 rojos, 7 negros y 1 azul
d) Puestos académicos: 7 profesores titulares, 3 profesores asociados, 2 profesores adjuntos,
10 ayudantes.
¿Qué medidas usaría usted para describir el valor central o para representar el conjunto de datos
en cada ejemplo? Hay muchas medidas de tendencia central que se usan para encontrar un
centro de un conjunto de datos. Tres son las más comunes: la media, la mediana, la moda y
debemos saber elegir qué medida utilizar para cada muestra o poblaciónl.
La media es el promedio aritmético.

La mediana es el valor del medio en una muestra ordenada.
La moda, si existe, es el valor más frecuente.
Para describir las medidas centrales de los cuatro ejemplos que

tenemos más arriba, usaríamos la media para el ejemplo del
516121520 68
inciso a): = =13,6
5 5
La mediana para el ejemplo del b), que es 78. Para los dos
últimos incisos, que son coches negros y ayudantes.
MEDIA
La media o promedio aritmético de un conjunto de números se
encuentra sumando los números y dividiendo después la suma
entre n, que es el tamaño de la muestra.

EJEMPLO 2. Calculando la media
Los diez puntajes siguientes representan el número de puntos anotados en diez juegos de basket
por el jugador Gandulfo: 6,10,3,7,6,6,8,5,9 y 10. La media o promedio de puntos anotados por
Gandulfo es:
610376685910 70
= =7
10 10
El valor 7 representa, en algún sentido el número central o "medio" .
Utilizando Excel, podemos calcular la media también.
Primero, introducimos la muestra en una columna y la

seleccionamos.
Luego, nos dirigimos a una celda vacía e insertamos la función promedio:

La media se puede calcular tanto para muestras como para poblaciones, del mismo modo, pero
se denotan de forma diferente; la media muestral se denota por  x , mientras que la media
poblacional por la letra griega  (´mu´).
Las fórmulas que denotan las medias, tanto muestral como poblacional son:
Media muestral Media Poblacional
x =
∑ xi =
∑ xi
n N
La media no tiene sentido xDonde

i denota una observación individual (un dato
Para cualquier conjunto de de la muestra o población). ∑ x i Denota todos la
datos. suma de todos los elementos observados. N indica el
tamaño de la población, y n de la muestra.
EJEMPLO 3. Media sin sentido.

Supongamos que hemos registrado el color de cabello de 10 estudiantes universitarios. La frase
"color de cabello promedio" no tiene sentido, los datos de esta situación son cualitativos y la
media se puede calcular sólo para datos cuantitativos.
EJEMPLO 4. Otra forma de encontrar la media.

En ocasiones, muchas observaciones comparten valores comunes, como en las distribuciones de
frecuencia no agrupada. Supongamos que tenemos la muestra siguiente de edades en primer año
de una universidad:
18 18 18 18 19 19 19 20 20 21

Si aplicamos la definición de media muestral, la fórmula, a estos datos obtenemos:
∑ x = 190 =19
x =
n 10
x utilizando la
Pero a veces, a efectos de realizar cálculos, puede resultar más fácil encontrar 
suma de cada valor x i multiplicado por su frecuencia:
x =
∑ x i⋅f i = 4⋅183⋅192⋅201⋅21 = 190 =19
n 10 10
La media aritmética es el valor que tomaría la variable si estuviera uniformemente repartida entre
todos los individuos que forman la muestra (corresponde al concepto de centro de gravedad en
Física).
La media aritmética, o también media, considera todos los datos. Sin embargo, debido a que
todas las observaciones se emplean para el cálculo, el valor de la media puede afectarse de
manera desproporcionada por la existencia de valores extremos.
Ventajas y desventajas de la media aritmética:
Ventajas de la media
Se trata de un concepto familiar para la mayoría de las personas y es intuitivamente claro.

Cada conjunto de datos numéricos tiene media; siendo ésta una medida que puede
calcularse y es única, debido a que cada conjunto de datos posee una y sólo una media.
La media es útil para llevar a cabo procedimientos estadísticos como la comparación de
medias de varios conjuntos de datos.
Desventajas de la media
Aunque la media es confiable en el sentido de que toma en cuenta todos los valores del
conjunto de datos, puede verse afectada por valores extremos que no son representativos
del resto de los datos.
El cálculo se hace tedioso cuando trabajamos con una gran cantidad de valores diferentes.
EJEMPLO 5. Media afectada por valores extremos.

Supongamos que un corredor de maratón ha corrido en seis de los maratones más grandes de
Sudamérica, quedando en las posiciones siguientes:

3 5 4 6 2 85
En la última carrera, en la que terminó en 85º lugar, fue todo el tiempo tratando de ganar la
carrera, corrió en 1º lugar los primeros 40 kilómetros, pero después se sintió mal en los últimos
kilómetros y debió parar. Si la media se usa para describir la habilidad del corredor, entonces
deberia usarse el valor  x =17,5 , pero como terminó como mucho en sexto lugar en las
primeras 5 carreras, no parece adecuado utilizar este promedio para medir su capacidad de
correr. Quizás la mediana proporcione una información más adecuada en este caso.
MEDIANA
La mediana es, como su nombre lo indica, el valor medio o valor central de un conjunto
ordenado de observaciones. Cuando todas las observaciones se ordenan en forma creciente, la
mitad de éstas es menor que este valor y la otra mitad es mayor.
Cómo determinar la mediana

Ordenar los datos
Si el número de observaciones, n es impar, la mediana es el valor de la observación que
se encuentra a la mitad del conjunto ordenado. Esto es, si n es impar la mediana es el
n1
valor de la observación que ocupa el lugar .
2
Si el número de observaciones, n es par se considera la mediana como el promedio
n n2
aritmético, de los valores de las observaciones que ocupan los lugares y del
2 2
conjunto ordenado.
EJEMPLO 6. Cálculo de la mediana.

En el conjunto de datos: 5, 3, 8, 2, 7, deberíamos ordenar los datos, o sea, 2, 3, 5, 7, 8, y
observar cuál es el valor que está en el medio. Luego, diremos que 5 es la mediana de
este conjunto de datos.
En el conjunto de datos: 5, 7, 8, 1, deberíamos ordenar los datos, o sea, 1, 5, 7, 8, y
observar cuál es el valor que está en el medio. Pero no hay un único valor central porque
hay un número par de elementos, entonces, diremos que la mediana es el valor promedio
entre los dos valores centrales, es decir, entre 5 y 7. Luego, 6 es la mediana de este
conjunto de datos.
En el cálculo de la mediana la existencia de valores extremos no afecta su valor.

En el ejemplo anterior, si en lugar del conjunto de datos 2, 3, 5, 7, 8, tuviéramos el
conjunto 2, 3, 5, 7, 8976, la mediana seguiría siendo 5, al igual que en el conjunto
-1824, 5, 7, 8, seguiría siendo 6.

Por lo tanto, si un conjunto contiene valores extremos y un número alto de observaciones, la
mediana puede ser una medida de tendencia central mucho más deseable que la media
aritmética.
x o con Me.
La mediana se denota con 

Supongamos que en los últimos 7 juegos, el club de rugby "Estrella" anotó los siguientes
puntajes:
6 10 3 21 0 35 14
La mediana de los puntos anotados se encuentra ordenando los puntajes:
0 3 6 10 14 21 35
Como n=7, se ve fácilmente que Me=10. La interpretación es: en el 50% de los partidos se
anotó 10 puntos o menos y en el 50% de los partidos se anotó 10 puntos o más.
Si en el próximo juego anotaran 42, tendríamos la muestra:
0 3 6 10 14 21 35 42
con n=8 observaciones. Como ahora hay un número par de observaciones, los valores 10 y 14
ocuparán el lugar del medio y resulta que la mediana es 12, el promedio entre 10 y 14.
Ventajas de la mediana
Los valores extremos no afectan a la mediana tan intensamente como a la media.
La mediana es fácil de entender y se puede calcular a partir de cualquier tipo de datos
(excepto datos cualitativos nominales), incluso a partir de datos agrupados con clases de
extremo abierto, a menos que la clase mediana sea justamente una de las de extremo
abierto.
Desventajas de la mediana
Ciertos procedimientos estadísticos que utilizan la mediana son más complejos que
aquellos que utilizan la media.
Debido a que la mediana es una posición promedio, debemos ordenar los datos antes de
llevar a cabo cualquier cálculo, lo cual consume mucho tiempo si el conjunto de datos es
muy grande.
También puedes calcular la mediana utilizando Excel,

¿te animás a descubrir como?

MODA
La moda, modo o valor modal de un conjunto de observaciones es el valor de las observaciones

que ocurre con mayor frecuencia en el conjunto.
La moda es la única medida de tendencia central que puede ser calculada para variables
cualitativas nominales. El valor de la moda no se ve afectada por la existencia de valores
extremos.
Puede suceder que en una serie de datos haya más de una moda. En tal caso se denomina
bimodal, trimodal o multimodal, según el número de modas que presente.
EJEMPLO 6. Cálculo de la Moda.

Con las medidas
1 1 3 3 3 2 7 8
La moda es 3.
EJEMPLO 7. Cálculo de la moda.

En las dos muestras siguientes, A y B, la moda es 2:
A: 1,2,2,2,3,78 B: 1,2,2,2,3,8
(tampoco la afectan valores extremos)

Suponemos que 12 estudiantes de medicina donan sangre para el hospital de la facultad y se
obtienen los tipos de sangre:
A,A,B,A,AB,O,O,B,O,A,B,AB
Interpretación: La moda, o el tipo de sangre más frecuente es el tipo A. Para estos datos
no tiene sentido usar la media o la mediana.
Ventajas de la moda
La moda, al igual que la mediana, se puede utilizar como una posición central para datos
tanto cualitativos como cuantitativos.
La moda no se ve mayormente afectada por los valores extremos. Incluso si los valores
extremos son muy altos o muy bajos, nosotros escogemos el valor más frecuente del
conjunto de datos como el valor modal. Podemos utilizar la moda sin importar qué tan
grandes o qué tan pequeños sean los valores del conjunto de datos, e independientemente
de cuál sea su dispersión.
Podemos calcular la moda aun cuando una o más clases sean de extremo abierto.

Desventajas de la moda
A menudo, no existe un valor modal debido a que el conjunto de datos no contiene valores
que se presenten más de una vez.
Cuando los conjuntos de datos contienen muchas modas, resultan difíciles de interpretar y
comparar.
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS

Cuando tenemos datos agrupados, los métodos "manuales" de cálculo varían un poco. Ten en
cuenta que la explicación que sigue es para realizar los cálculos de este tipo y que puedes
realizar todos estos cálculos mediante Excel, como lo hemos hecho anteriormente, sólo que para
ello deberás ingresar los datos sin agruparlos en invervalos.
EJEMPLO 9. Datos agrupados.

Volvamos al ejemplo de las estaturas de los 60 estudiantes universitarios:
Intervalos xi fi Fi
[149 , 154) 151,5 4 4

[154 , 159) 156,5 3 7
[159 , 164) 161,5 18 25
[164 , 169) 166,5 7 32
[169 , 174) 171,5 16 48
[174 , 179) 176,5 8 56
[179 , 184] 181,5 4 60
n=60
Media aritmética
Para datos agrupados basta con extender la definición, considerando a los xi como los puntos
medios de cada intervalo, también llamados marca de clase, y siendo las fi, las frecuencias
absolutas correspondientes a cada clase (es algo parecido a calcular la media utilizando la suma
del producto de frecuencias por observación).
∑ x i⋅f i 151,5⋅4...181,5⋅4 10030

x= = = =167,17 cm
n 60 60
Interpretación: La estatura promedio de los estudiantes es de 167,17 cm

En Excel:

Mediana
Intervalos xi fi Fi
[149 , 154) 151,5 4 4
[154 , 159) 156,5 3 7
[159 , 164) 161,5 18 25
[164 , 169) 166,5 7 32 → Clase mediana
[169 , 174) 171,5 16 48
[174 , 179) 176,5 8 56
[179 , 184] 181,5 4 60
n=60
Para calcular la mediana en datos agrupados seguiremos los siguientes pasos:

(1) Calcular el orden o posición de la mediana, usando la fórmula (n+1)/2, sin importar si n es
par o impar.
n1
Oº = =30,5º
2
(2) Buscar el valor obtenido como orden de la mediana en la columna de frecuencia acumulada
(Fi), si no está, tomar el inmediato superior y llamar a la clase correspondiente, clase
mediana.
Diremos que la mediana, Me, pertenece a este intervalo, pero es necesaria una mayor
precisión.
Por esto buscaremos el valor de la mediana dentro de la clase mediana.
Me∈[ 164,159
(3) El valor de la mediana se obtiene mediante la fórmula:
 
n
– F ant Me
2
Me=lim inf long⋅
f me
Siendo:
lim inf : límite inferior de la clase mediana.
F ant Me : frecuencia acumulada correspondiente a la clase anterior a la clase mediana.
f Me : frecuencia absoluta correspondiente a la clase mediana.
long : longitud de la clase mediana.
n : tamaño de la muestra.
   
n 60
– F ant Me −25
Luego, 2 2
Me =lim inf long⋅ =1645⋅ =167,57 cm
f me 7
Interpretación: El 50% de los estudiantes universitarios observados miden 167,57 cm o menos

y el otro 50% miden 167,57 cm o más.

Otras notaciones para la mediana son: Md, Me y x0,50.
La mediana puede calcularse a partir del gráfico de la distribución acumulativa (ojiva), aunque en
forma aproximada.
Es conveniente realizar la ojiva colocando en ordenadas la frecuencia acumulada porcentual.
Ubicar el 50% y ver a qué valor de abscisa corresponde.
Estatura de un grupo de estudiantes universitarios

Frecuencia acumulada porcentual
120%
100%
80%
60%
40%
20%
0% //
159 144 149 154 159 164 169 174 179 184 189 194 199 204
Estatura (en cm)
Mediana
En Excel, tenemos la función mediana(), que devuelve la mediana de un conjunto de datos.
¡Recuerda que debes introducir los datos sin agrupar!


Modo, moda o valor modal
Intervalos xi fi Fi
[149 , 154) 151,5 4 4

[154 , 159) 156,5 3 7
[159 , 164) 161,5 18 25 → Clase modal
[164 , 169) 166,5 7 32
[169 , 174) 171,5 16 48
[174 , 179) 176,5 8 56
[179 , 184] 181,5 4 60
n=60
Para calcular la moda en datos agrupados seguimos los siguientes pasos:

(1) Buscar la máxima frecuencia absoluta y llamar a la clase correspondiente, clase modal.
(2) Diremos que la moda, Mo, pertenece a este intervalo, pero es necesaria una mayor
precisión.
Por esto buscaremos el valor de la moda dentro de la clase modal.
Mo∈[159 , 164 
El valor de la moda se obtiene mediante la fórmula:
Mo= lim inf long⋅

 1
1 2 
Siendo:
lim inf: límite inferior de la clase modal
1 : diferencia entre la frecuencia de la clase modal y la clase premodal (anterior a la modal).
2 : diferencia entre la frecuencia de la clase modal y la clase posmodal (posterior a la modal).
long : longitud de la clase modal
Mo=lim inf long⋅

 1
 12 
=1595⋅
15
1511=161,88 cm 
Siendo:
1 = 18 - 3 = 15 2 = 18 - 7 = 11
Interpretación: La estatura de los estudiantes universitarios observados que se presenta con

mayor frecuencia es 161,88 cm.

En Excel:

MEDIDAS DE POSICIÓN U ORDEN
Los estadísticos de orden o medidas de posición no centradas, son aquellos valores numéricos
que nos indican su posición en el conjunto de datos ordenados, pues una fracción dada de los
datos presenta un valor de la variable menor o igual que el estadístico.
Si una serie de observaciones se colocan en orden creciente, el valor que divide al conjunto de
datos en dos partes iguales es la mediana. Por extensión, si preferimos tener una descripción más
detallada de la variabilidad de los valores individuales, se puede dividir los datos en otra cantidad
de partes iguales. Por ejemplo, en cuatro, en diez o en cien partes iguales, llamando a estas
medidas cuartiles, deciles y percentiles, respectivamente.
Los estadísticos de orden son valores que indican qué porción

de la muestra ordenada es menor o igual que un
determinado valor.
Veamos..., el percentil 32, por ejemplo, es el valor de la variable

que deja por debajo de él, el 32% de los valores de la muestra
y el 68%, por encima.
Gráficamente:
Hay alguien a quien ya conocen, ¡es el percentil 50!... .

Aunque desde que se alejó de nosotros y
se presenta como otra medida, se hace llamar “mediana”... .
¡Pero es el percentil 50!
Deja por debajo y por encima de ella, el 50% de los valores
de la muestra.

Cuartiles
Si una serie de observaciones se coloca en forma creciente y se divide en cuatro partes

iguales, quedan definidos los cuartiles: Q1, Q2 y Q3.
Donde el cuartil 1 (Q1) es el valor que deja por debajo de él, el 25% de los valores y
por encima de él, el 75%.
La mediana es el cuartil 2.
El cuartil 3 (Q3) es el valor que deja por debajo de él, el 75% de los valores y por encima de
él, el 25%.
La fórmula para obtener el lugar del k-ésimo cuartil, siendo n el número de observaciones,
es: ºQk = k.(n+1)/4 y así, buscando en la lista ordenada de los valores o en la columna
de la frecuencia acumulada, se ve el valor de la variable correspondiente. En caso que ºQ k
no sea un valor entero se calcula por interpolación lineal el valor del cuartil.
Deciles
Al dividir los datos en diez partes iguales, quedan definidos los deciles: D1, D2, ..., D9.
La fórmula para obtener el lugar del k-ésimo decil, siendo n el número de observaciones, es:
ºDk = k.(n+1)/10 y así, buscando en la lista ordenada de los valores o en la columna de
la frecuencia acumulada, se ve el valor de la variable correspondiente. En caso que ºD k no
sea un valor entero se calcula por interpolación lineal el valor del decil.
La mediana es el decil 5.
Por ejemplo, el decil 4 (D4) es el valor que deja por debajo de él, el 40% de los valores y por
encima de él, el 60%.
Nosotros solamente utilizaremos Cuartiles, mediana y percentiles. Y los calcularemos

utilizando Excel.
Percentiles
Al dividir los datos en cien partes iguales, quedan definidos los percentiles: P1, P2, ..., P99.
La fórmula para obtener el lugar del k-ésimo percentil, siendo n el número de observaciones,
es: ºPk = k.(n+1)/100 y así, buscando en la lista ordenada de los valores o en la
columna de la frecuencia acumulada, se ve el valor de la variable correspondiente. En caso
que ºPk no sea un valor entero se calcula por interpolación lineal el valor del percentil.
La mediana es el percentil 50.
El primer cuartil es el percentil 25.
El tercer cuartil es el percentil 75.
El cuarto decil es el percentil 40.
El ...................... decil es el percentil 70.
El octavo decil es el percentil ........ .
El percentil 82 (P82) es el valor que deja por debajo de él, el 82% de los valores y por
encima de él, el 18%.
Para calcular los valores de los estadísticos de orden, lo hacemos en Excel, con las funciones
cuartil() y percentil().

EJEMPLO 10. Calculando estadísticos de posición
Volvemos a nuestro ejemplo de las estaturas de 60 estudiantes universitarios. Tomamos los

valores de la muestra sin ordenar:
Interpretación Q1: "El 25% de las observaciones presenta una altura de 160 cm o menos y el
75% de las observaciones presenta una altura de 160 cm o más".

Percentiles:
Para completar en la fórmula, debemos dividir el percentil por 100. por ejemplo el
percentil P30,se ingresa con la fórmula: =PERCENTIL(B7:C36;0,3)
El percentil 50 (P50) es igual a la mediana, al cuartil 2 y al decil 5: P 50 = Me = D5

= Q2
Interpretación P30: "El 30% de las observaciones presenta una altura de 161,9 cm o menos y el
70% de las observaciones presenta una altura de 161,9 cm o más".

Concluimos con esta sesión de estudio,
cualquier iquietud que tengas nos
Encontramos en el foro de dudas del
Aula virtual.
Suerte y sigue adelante!!
Cordialmente,
Equipo docente

A y Costos Unidad 4

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A y Costos Unidad 4

Uploaded by

Copyright:

Available Formats

Sesión de estudio Nº 4: Medidas de tendencia central

Una tabla de frecuencias, un histograma o un polígono de frecuencias

La primera característica de un conjunto de datos que deseamos medir es el centro

Estudio de presentaciones de datos.

Profesor Ignacio Artero 1

La tendencia central de un conjunto de datos es la disposición de éstos para agruparse ya sea

EJEMPLO 1. Consideremos las siguientes variables y sus muestras.

a) Pesos en kg: 5, 16, 12, 15 y 20

La media es el promedio aritmético.

Para describir las medidas centrales de los cuatro ejemplos que

Profesor Ignacio Artero 2

El valor 7 representa, en algún sentido el número central o "medio" .

Utilizando Excel, podemos calcular la media también.

Primero, introducimos la muestra en una columna y la

Luego, nos dirigimos a una celda vacía e insertamos la función promedio:

Profesor Ignacio Artero 3

Media muestral Media Poblacional

La media no tiene sentido xDonde

EJEMPLO 3. Media sin sentido.

EJEMPLO 4. Otra forma de encontrar la media.

Profesor Ignacio Artero 4

Ventajas y desventajas de la media aritmética:

Se trata de un concepto familiar para la mayoría de las personas y es intuitivamente claro.

EJEMPLO 5. Media afectada por valores extremos.

Profesor Ignacio Artero 5

Cómo determinar la mediana

EJEMPLO 6. Cálculo de la mediana.

En el cálculo de la mediana la existencia de valores extremos no afecta su valor.

Profesor Ignacio Artero 6

EJEMPLO 6. Cálculo de la mediana.

También puedes calcular la mediana utilizando Excel,

Profesor Ignacio Artero 7

La moda, modo o valor modal de un conjunto de observaciones es el valor de las observaciones

EJEMPLO 6. Cálculo de la Moda.

EJEMPLO 7. Cálculo de la moda.

EJEMPLO 8. Cálculo de la mediana.

Profesor Ignacio Artero 8

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS

EJEMPLO 9. Datos agrupados.

[149 , 154) 151,5 4 4

∑ x i⋅f i 151,5⋅4...181,5⋅4 10030

Interpretación: La estatura promedio de los estudiantes es de 167,17 cm

Profesor Ignacio Artero 9

Profesor Ignacio Artero 10

Para calcular la mediana en datos agrupados seguiremos los siguientes pasos:

Interpretación: El 50% de los estudiantes universitarios observados miden 167,57 cm o menos

Profesor Ignacio Artero 11

Estatura de un grupo de estudiantes universitarios

Estatura (en cm)

¡Recuerda que debes introducir los datos sin agrupar!

Profesor Ignacio Artero 12

Profesor Ignacio Artero 13

[149 , 154) 151,5 4 4

Para calcular la moda en datos agrupados seguimos los siguientes pasos:

El valor de la moda se obtiene mediante la fórmula:

Mo= lim ­ inf long⋅

Mo=lim ­ inf long⋅

Interpretación: La estatura de los estudiantes universitarios observados que se presenta con

Profesor Ignacio Artero 14

Profesor Ignacio Artero 15

Los estadísticos de orden son valores que indican qué porción

Veamos..., el percentil 32, por ejemplo, es el valor de la variable

Hay alguien a quien ya conocen, ¡es el percentil 50!... .

Mo= lim inf long⋅

Mo=lim inf long⋅