3.

MEDIDAS DE TENDENCIA CENTRAL Y VARIABILIDAD

3.1 Medidas de tendencia central. 3.2 Medidas de variabilidad. 3.3 Asimetra y curtosis.

Las medidas de tendencia central son puntos en una distribucin, los valores medios o centrales de sta, y nos ayudan a ubicarla dentro de la escala de medicin.
Las principales medidas de tendencia central son tres: Moda Media Mediana

Moda: es la categora o puntuacin que ocurre con mayor frecuencia.

Mediana: es el valor que divide a la distribucin por la mitad, refleja la posicin intermedia de la distribucin.
Para descubrir el caso o la puntuacin que constituye la mediana de +1 una distribucin, simplemente se aplica la frmula:
2

La frmula no nos proporciona directamente el valor de la mediana, sino el nmero de caso en donde est la mediana.

Media: promedio aritmtico de una distribucin. Se simboliza como , y es la suma de todos los valores dividida entre el nmero de casos.
Es una medida solamente aplicable a mediciones por intervalos o de razn. Carece de sentido para variables medidas en un nivel normal u 1+2 +3 + ordinal. Su frmula es: =

 Las medidas de variabilidad indican la dispersin de los datos en la escala de medicin y responden a la pregunta dnde estn diseminadas las puntuaciones o los valores obtenidos?
Las medidas de tendencia central son valores en una distribucin y las medidas de la variabilidad son intervalos que designan distancias o un nmero de unidades en la escala de medicin.

 Las medidas de la variabilidad ms utilizadas son: Rango. Desviacin estndar. Varianza.

Rango: tambin llamado recorrido, es la diferencia entre la puntuacin mayor y la puntuacin menor, e indica el nmero de unidades en la escala de medicin que se necesitan para incluir los valores mximo y mnimo. Se calcula as: - .

Cuanto ms grande sea el rango, mayor ser la dispersin de los datos de una distribucin.

Desviacin estndar: es el promedio de desviacin de las puntuaciones con respecto a la media. Se simboliza con o la sigma minscula y su formula esencial es: =
()2

La desviacin estndar se interpreta como cunto se desva, en promedio, de la media un conjunto de puntuaciones. La desviacin estndar slo se utiliza en variables medidas por intervalos o de razn.

Varianza: es la desviacin estndar elevada al cuadrado y se simboliza 2 . Se utiliza en anlisis inferenciales.

Asimetra: es una estadstica necesaria para conocer cunto se parece nuestra distribucin a una distribucin terica llamada curva normal y constituye un indicador del lado de la curva donde se agrupan las frecuencias.
Curtosis: indicador de lo plana o picuda que es una.

4. DISTRIBUCIN NORMAL
4.1 Caractersticas de la curva normal. 4.2 reas de la curva normal. 4.3 Puntuaciones estndar.

La distribucin de probabilidad normal y la curva normal que la representa, tienen las siguientes caractersticas: La curva normal tiene forma de campana y un solo pico en el centro de la distribucin. De esta manera, la media aritmtica, la mediana y la moda de la distribucin son iguales y se localizan en el pico. As, la mitad del rea bajo la curva se encuentra a la derecha de este punto central y la otra mitad est a la izquierda de dicho punto. La distribucin de probabilidad normal es simtrica alrededor de su media. La curva normal desciende suavemente en ambas direcciones a partir del valor central. Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al eje X pero jams llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida en ambas direcciones.

Veamos, a travs de una sencilla aplicacin, este concepto de cmo la distribucin normal representa un rea bajo la curva. Para ello, podemos consultar el siguiente enlace: http://psych.colorado.edu/~mcclella/java/normal/accurateNormal.html, donde veremos, cambiando (1) los valores de la media y la desviacin estndar, y (2) los valores entre los cuales queremos calcular la probabilidad, a qu porcin de espacio bajo la curva normal corresponde la probabilidad buscada

 Se observ que no existe una sola distribucin de probabilidad normal, sino una familia de ellas. Como sabemos, cada una de las distribuciones puede tener una media () o una desviacin estndar distinta (). Por tanto, el nmero de distribuciones normales es ilimitado y sera imposible proporcionar una tabla de probabilidades para cada combinacin de y . Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones normales, aquella cuya media es 0 y desviacin estndar 1 que es la que se conoce como distribucin estndar normal, de forma que todas las distribuciones normales pueden convertirse a la estndar, restando la media de cada observacin y dividiendo por la desviacin estndar.

Primero, convertiremos la distribucin real en una distribucin normal estndar utilizando un valor llamado Z, o estadstico Z que ser la distancia entre un valor seleccionado, designado X, y la media , dividida por la desviacin estndar .

5. INFERENCIA ESTADSTICA: MUESTREO Y ESTIMACIN DEL INTERVALO

5.1 Funcin de la inferencia 5.2 Poblacin y muestra 5.3 Teorema central del lmite 5.4 Error estndar de la media 5.5 Intervalos de confianza

Teorema de limite central Error estndar de la media

Intervalo de confianza
Rango de valores, entre los cuales se estima que contiene cierto valor desconocido con una determinada probabilidad de acierto.

- media muestral Z el valor de la tabla normal asociado al nivel de confianza que se desea S desviacin estndar n tamao de la muestra

 En una poblacin normal se toma una muestra de 49 observaciones. La media muestral es 55 y la desviacin estndar muestral es de 10. Determine un intervalo de confianza del 99% para la media poblacional. n = 49 = 55 S = 10 IC o intervalo de confianza es del 99% 99 2 = 49.5 49.5 100 = 0.495

Z= 2.58

55 2.58

10 49

55 3.68 (58.68, 51.32)

Por lo tanto, sabiendo que tenemos una muestra de 49 observaciones, una media muestral de 55 y una desviacin estndar muestral de 10, podemos garantizar la certeza de un 99% que la media poblacional esta entre 58.68 y 51.32