MEDIDAS DE TENDENCIA CENTRAL Y DE

DISPERSIN

Noviembre 2015

ndice de la presentacin

Medidas de Tendencia Central

Media aritmtica
Mediana
Moda
Comparacin entre la media, la mediana y la moda
Medidas de Dispersin
Rango
Varianza
Desviacin estndar
Conclusiones

Medidas de tendencia central

La tendencia central se refiere al punto medio de una

distribucin. Las medidas de tendencia central
permiten identificar la posicin en que se encuentra la
mayor acumulacin de datos.
Las curvas que representan los datos puntuales de un
conjunto de datos pueden ser simtricas o sesgadas.

Las curvas simtricas, tienen una forma tal que una lnea
vertical que pase por el punto ms alto de la curva dividir
su rea en dos partes iguales;
Las curvas sesgadas, tienen una distribucin en la que sus
valores se concentran en el extremo inferior o en el
superior de la escala de medicin del eje horizontal.

Medidas de tendencia
central
Simtrica

Sesgada

Media aritmtica
La media aritmtica es comnmente conocida como
promedio.
El clculo de este estadstico se realiza mediante las
siguientes frmulas:

Poblacional

Muestral

En trminos generales, la media puede interpretarse

como la suma de cada una de las observaciones
dividida entre el nmero total de datos.
El resultado permite representar en un solo valor
informacin correspondiente a una poblacin de
datos.

Mediana

La mediana es la observacin ms central o la

que est ms en medio en el conjunto de
nmeros.
Para hallar la mediana de un conjunto de datos,
primero hay que organizarlos en orden
descendente o ascendente.

Si el conjunto de datos contiene un nmero impar

de elementos, el de en medio en el arreglo es la
mediana;
Si hay un nmero par de observaciones, la mediana
es el promedio de los dos elementos de en medio.

Moda

La moda es el valor que ms

se repite en un conjunto de
datos, por lo que existe la
posibilidad de que se
presente ms de una moda
en la distribucin.

El uso de la moda como medida de tendencia central no

es frecuente debido a las siguientes razones:

En muchos casos no existe un valor modal debido a que el

conjunto de datos no contiene valores que se presenten ms
de una vez;
En ocasiones, cada valor es la moda, pues cada uno de ellos
se presenta el mismo nmero de veces;
Cuando los conjuntos de datos contienen ms de una moda,
es difcil interpretarlos y compararlos.

Ejemplo

El jefe del departamento de Recursos Humanos en

una empresa, requiere obtener la medida de
tendencia central ms apropiada del salario mensual
de los empleados en nmina. Calcule la media, la
mediana
y la
moda
considerando
los
siguientes
datos:
Tabla 1
1
2
3
4
5
6
Total
Salario
($)

10,000

20,000

25,000

30,000

35,000

50,000

170,00
0

Posteriormente, la Direccin pide que se considere

tambin el sueldo de un consultor que la empresa
acaba de contratar para un proyecto de
productividad.
Los
datos
para
calcular
Tabla 2
1
2
3
4
5
6 los estadsticos
7
Total
Salario
10,000 20,000 25,000 30,000 35,000 50,000 200,00 370,00
son
los
siguientes:
($)
0
0
Qu medida de tendencia central considera
ms apropiada en cada caso?

Ejemplo

Caso 1:
Tabla 1
Salario
($)

1
10,000

2
20,000

3
25,000

=
= 28,333.33
170,000
6

4
30,000

5
35,000

6
50,000

Mediana = (25,000 +
30,000)
2

Total
170,00
0

= 27,500

Caso 2:
Tabla 2
Salario
($)

1
2
3
4
5
6
7
Total
10,000 20,000 25,000 30,000 35,000 50,000 200,00 370,00
0
0

=
= 52,857.14
370,000
7

Mediana = 30,000

Comparacin entre las medidas de

tendencia central

Aunque no existen guas universales para la aplicacin de las medidas de

tendencia central, es conveniente tener en cuenta las siguientes reglas:

La media se emplea para datos numricos y ofrece su mayor potencial

descriptivo en distribuciones simtricas, siendo sensible a los valores extremos;
La mediana se utiliza para datos ordinales o para datos numricos que presentan
una distribucin sesgada, ya que no es sensible a la variacin de los extremos;
En caso de que la media y la mediana sean iguales la distribucin ser simtrica.
En la medida en que se incrementa el diferencial entre ambos valores, el sesgo
en la distribucin ser ms significativo;
Si la media tiene un valor menor a la mediana, la distribucin tendr un sesgo a
la izquierda. Por el contrario, si la media tiene un valor mayor que la mediana, la
distribucin estar sesgada a la derecha;
En caso de sesgos significativos, la mediana ofrecer una mejor descripcin de
los datos.

Cada caso deber considerarse de manera independiente, de acuerdo con

las lneas generales que se analizaron y teniendo en cuenta las
situaciones prcticas en las que cada una de ellas tiene ms sentido.

Medidas de dispersin

Las medidas de tendencia central son de un

gran valor representativo para una masa de
observaciones.
Pero el valor de esas medidas depender de
cuan variable sea la masa de informacin. Por
eso se establecen medidas que tratan de
explicar la dispersin de los datos.
La dispersin se refiere a la separacin de los
datos en una distribucin, es decir, al grado en
que las observaciones se desvan de la medida
de tendencia central.

Medidas de dispersin

Las medidas de dispersin nos permiten juzgar la

confiabilidad de la medida de tendencia central.

Si los datos se encuentran muy dispersos, la

posicin central es menos representativa de los
datos como un todo, que cuando stos se agrupan
ms cerca alrededor de la media;
Existen riesgos debido a la alta dispersin en los
datos;

La dispersin tambin sirve para comparar

diferentes muestras.

Rango

El rango es la diferencia entre el ms alto y el ms

pequeo de los valores observados. El valor de este
estadstico se determina mediante la siguiente ecuacin:

Es fcil entender y encontrar el rango, pero su utilidad

como medida de dispersin es limitada:

El rango slo toma en cuenta los valores ms alto y ms bajo

de una distribucin y ninguna otra observacin del conjunto
de datos. Por lo que ignora la naturaleza de la variacin entre
todas las dems observaciones, y tiene una gran influencia
de los valores extremos.
Dado a que slo mide dos valores, el rango tiene muchas
posibilidades de cambiar drsticamente de una muestra a la
siguiente en una poblacin dada.

Varianza

La varianza ofrece una descripcin ms

completa de la dispersin, manejando la
desviacin promedio respecto a alguna
medida de tendencia central.
Esta medida de dispersin ofrece una
distancia promedio de cualquier
observacin del conjunto de datos con
respecto a la media de la distribucin.
Poblacional

Muestral

Varianza

Una desventaja en el uso de la varianza, es

que las unidades son el cuadrado de las
unidades de los datos. Estas unidades no son
intuitivamente claras o fciles de interpretar
(por ejemplo, dollares2, kilogramos2, litros2).
Por esta razn, tenemos que hacer un
cambio significativo en la varianza para
calcular una medida til de la desviacin,
que sea menos confusa. Esta medida se
conoce como la desviacin estndar.

Desviacin estndar

La desviacin estndar es la medida de

dispersin ms usada en estadstica, tanto en
aspectos descriptivos como analticos.
Este estadstico se calcula simplemente
obteniendo la raz cuadrada de la varianza.

La desviacin estndar es un valor que

representa el promedio de todas las diferencias
individuales de las observaciones respecto a un
punto de referencia comn, que es la media
aritmtica.

Desviacin estndar

La desviacin estndar nos permite determinar,

con un buen grado de precisin, dnde estn
localizados los valores de una distribucin de
frecuencias con relacin a la media.
Es posible medir con precisin el porcentaje de
observaciones que caen dentro de un rango
especfico de una curva simtrica con forma de
campana.

Ejemplo

Un negocio registra los siguientes

ingresos diarios en miles de pesos. Los
datos se recabaron durante dos semanas
correspondientes a pocas distintas del
1 semana
2 semana
ao. No.
1

10

30

20

40

30

50

50

50

60

60

80

60

100

60

Total

350

350

Ejemplo
No.
1
2
3
4
5
6
7
Total

1 semana 2 semana
10
30
20
40
30
50
50
50
60
60
80
60
100
60
350
350

1 semana

2 semana

(10 - 50) =
2
(20 - 50) =
2
(30 - 50) =
2
(50 - 50) =
2
(60 - 50) =
2
(80 - 50) =
2
(100 - 50) =

1600
900
400
0
100
900
2500
6400

(30 - 50) =
2
(40 - 50) =
2
(50 - 50) =
2
(50 - 50) =
2
(60 - 50) =
2
(60 - 50) =
2
(60 - 50) =

400
100
0
0
100
100
100
800

6400
7- 1

Varianza:

800
7- 1

Varianza:
Desv. Est:

133.33
11.55

Media:
Mediana:

50
50

50
50

Varianza:

Valor Max:
Valor Mn:
Rango:

100
10
90

60
30
30

Varianza:
Desv. Est:

1,066.67
32.66

Conclusiones

Las medidas de tendencia central son tiles para tener

una mejor descripcin de todos los valores que toma una
variable determinada.
Para elegir la medida de tendencia central ms apropiada,
es importante verificar las particularidades de cada caso,
especialmente en lo referente al sesgo y la presencia de
valores extremos en la distribucin de los datos.
En casos en los que existe una alta dispersin en los
datos, la informacin que aportan individualmente las
medidas de tendencia central puede ser incompleta o
inducir a errores en su interpretacin.
Es necesario medir la dispersin de los datos y tener en
cuenta el efecto que esta dispersin tiene en las
situaciones prcticas del estudio.

Bibliografa

Levin, R. I. y Rubin, D. S. (2004).

Estadstica para Administracin y
Economa. Mxico: Pearson Educacin.
Miller, I., Freund, J. E. y Johnson, R. A.
(1992). Probabilidad y Estadstica para
Ingenieros. Mxico: Prentice Hall.
Montgomery, D. C. y Runger G. C.
(1996). Probabilidad y Estadstica
Aplicadas a la Ingeniera. Mxico:
McGraw-Hill.