UNIVERSIDAD LAICA VICENTE

ROCAFUERTE

ESCUELA DE CIENCIAS CONTABLES

INVESTIGACIN #3
TEMA: PROPIEDADES DE LAS MEDIDAS
DE ESTADSTICA DESCRIPTIVA.
AUTORA: TERESA LESLY VERA PIVAQUE.
ASIGNATURA: ESTADSTICAS APLICADA.
SEGUNDO NIVEL
D NOCTURNO
2012 2013

INTRODUCCIN
La presente investigacin trata sobre las propiedades de las
medidas de estadstica descriptiva, las cuales sern utilizadas
para seccionar la informacin arrojada de los grficos
estadsticos.
En todas las ciencias experimentales surge el problema de tener
que determinar valores numricos de una o ms magnitudes; a
veces las magnitudes deseadas pueden medirse directamente,
en otros casos hay que hacer un tratamiento matemtico,
grafico o numrico de los datos a fin de calcular los valores de
ciertas magnitudes diferentes de las directamente observadas.
El origen de la Estadstica se remonta a dos tipos de actividades
humanas: los juegos de azar y las necesidades de los Estados:
necesidades de describir numricamente ciudades, provincias,
etc. Los juegos de azar llevaron al estudio de la probabilidad, y
ste condujo al tratamiento matemtico de los errores de las
mediciones y a la teora que hoy constituye la base de la
estadstica, mientras que la segunda actividad condujo a la
estadstica descriptiva: presentacin de datos en tablas y
grficos, aunque en nuestros das incluye tambin la sntesis de
ellos mediante descripciones numricas.
El mtodo estadstico moderno se refiere a la Inferencia
estadstica: sta se relaciona con el desarrollo de mtodos y
tcnicas para obtener, analizar e interpretar datos cuantitativos
de tal manera que la confiabilidad de las conclusiones basadas
en los datos pueda ser evaluada objetivamente por medio del
uso de la probabilidad. La teora de la probabilidad permite
pasar de datos especficos a conclusiones generales, por eso
desempea un papel fundamental en la teora y aplicacin de la
estadstica.

JUSTIFICACION
En el mundo de hoy, es considerado la Estadstica de gran
importancia porque suministra los mejores instrumentos de
investigacin, no slo para observar y recopilar toda una gama
de informacin incubada dentro de un mismo entorno o fuera de
ello, sino tambin en el control de ciertas actividades
desarrolladas como son: produccin, ventas, organizacin,
proyecciones o estimaciones a corto plazo, mediano y largo
plazo, procesos encaminados a facilitar la conceptualizacin y
toma de decisiones de unos datos plasmados en tablas y
grficos.
La estadstica es una disciplina aplicada en todos los campos de
la actividad humana. De ah que se tenga como una asignatura
indispensable en todas las reas y carreras del conocimiento de
nivel intermedio y profesional.
La asignatura brinda a cada estudiante las bases en temas de
Estadstica descriptiva, tales como: Descripcin, anlisis y
representacin de datos, utilizando mtodos numricos y
grficos que resumen y presentan la informacin contenida en
ellos.

OBJETIVOS
OBJETIVO GENERAL
Identificar los mtodos descriptivos que mejor puedan ajustarse
a diferentes situaciones y necesidades de la investigacin.

OBJETIVO ESPECIFICO
Entender y aplicar los conceptos bsicos de la estadstica
descriptiva y poderlos relacionar y aplicar a los problemas que
se manifiesten en la carrera INGENIERA EN CONTABILIDAD,
AUDITORA C.P.A.

MARCO TEORICO
Las medidas descriptivas son valores numricos calculados a
partir de la muestra y que nos resumen la informacin contenida
en ella.

MEDIDAS
DESCRIPTIVA
S

Posicin: Dividen un conjunto ordenado de

datos en grupos con la misma cantidad de datos
Centralizacin: Indica valores con respecto a
los que los datos parecen agruparse.
Dispersin: Indican la mayor o menor
concentracin de los datos a las medidas de
centralizacin.
Forma: Asimetra, Apuntamiento o Curtosis.

MEDIDAS DE POSICIN.
Los cuantiles son valores de la distribucin que la dividen en
partes iguales, es decir, en intervalos, que comprenden el
mismo nmero de valores. Los ms usados son los cuartiles, los
deciles y los percentiles.
PERCENTILES: Son 99 valores que dividen en cien partes
iguales el conjunto de datos ordenados. Ejemplo, el
percentil de orden 15 deja por debajo al 15% de las
observaciones, y por encima queda el 85%

CUARTILES: Son los tres valores que dividen al conjunto

de datos ordenados en cuatro partes iguales, son un caso
particular de los percentiles:

- El primer cuartil Q 1 es el menor valor que es

mayor que una cuarta parte de los datos
- El segundo cuartil Q 2 (la mediana), es el menor
valor que es mayor que la mitad de los datos
- El tercer cuartil Q 3 es el menor valor que es
mayor que tres cuartas partes de los datos
DECILES: Son los nueve valores que dividen al conjunto
de datos ordenados en diez partes iguales, son tambin un
caso particular de los percentiles.
LA MEDIA: (media aritmtica o simplemente media). Es el
promedio aritmtico de las observaciones, es decir, el cociente
entre la suma de todos los datos y el nmero de ellos. Si xi es el
valor de la variable y ni su frecuencia, tenemos que:
Si los datos estn agrupados utilizamos las marcas de clase, es
decir ci en vez de xi.
Por ejemplo, las notas de 5 alumnos en una prueba:
Nio

nota

6,0

5,4

3
3,1
alumnos:

Primero, se suman las notas:

6,0+5,4+3,1+7,0+6,1 = 27,6
Luego el total se divide entre la cantidad de

7,0

27,6/5=5,52

6,1

La media aritmtica en este ejemplo es 5,52

6,9

La media aritmtica en este ejemplo es 6,55

La media aritmtica se le llama tambin promedio o,

simplemente, media.
Dado un conjunto numrico de datos, x1, x2, ..., xn, se define su
media aritmtica como

Esta definicin vara, aunque no sustancialmente, cuando se

trata de variables continuas, esto es, tambin puede calcularse
para variables agrupadas en intervalos.

MEDIA ARITMTICA PONDERADA

A veces puede ser til otorgar pesos o valores a los datos
dependiendo de su relevancia para determinado estudio. En
esos casos se puede utilizar una media ponderada.
Si
son nuestros datos y
son sus "pesos"
respectivos, la media ponderada se define de la siguiente forma:

MEDIA MUESTRAL
Esencialmente, la media muestral es el mismo parmetro que el
anterior, aunque el adjetivo "muestral" se aplica a aquellas
situaciones en las que la media aritmtica se calcula para un
subconjunto de la poblacin objeto de estudio.
La media muestral es un parmetro de extrema importancia en
la inferencia estadstica, siendo de gran utilidad para
la estimacin de la media poblacional, entre otros usos.

MEDIANA (Me): La mediana es un valor de la variable que deja

por debajo de s a la mitad de los datos, una vez que stos estn
ordenados de menor a mayor. Por ejemplo, la mediana del
nmero de hijos de un conjunto de trece familias, cuyos

respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2,

puesto que, una vez ordenados los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2,
2, 3, 3, 4, el que ocupa la posicin central es 2:

En caso de un nmero par de datos, la mediana no

correspondera a ningn valor de la variable, por lo que se
conviene en tomar como mediana el valor intermedio entre los
dos valores centrales. Por ejemplo, en el caso de doce datos
como los anteriores:

Se toma como mediana

Existen mtodos de clculo ms rpidos para datos ms

numerosos. Del mismo modo, para valores agrupados en
intervalos, se halla el "intervalo mediano" y, dentro de ste, se
obtiene un valor concreto por interpolacin.

MODA (M0)

La moda es el dato ms repetido, el valor de la variable con

mayor frecuencia absoluta. En cierto sentido la definicin
matemtica corresponde con la locucin "estar de moda", esto
es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues slo necesita un
recuento. En variables continuas, expresadas en intervalos,
existe el denominado intervalo modal o, en su defecto, si es
necesario obtener un valor concreto de la variable, se recurre a
la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en
una carretera: 5-7-4-6-9-5-6-1-5-3-7. El nmero que ms se
repite es 5, entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando
encontremos dos modas, es decir, dos datos que tengan la
misma frecuencia absoluta mxima. Cuando en una distribucin
de datos se encuentran tres o ms modas, entonces es
multimodal. Por ltimo, si todas las variables tienen la misma
frecuencia diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de
calcular la moda, se ha de definir el intervalo modal. El intervalo
modal es el de mayor frecuencia absoluta.
La moda, cuando los datos estn agrupados, es un punto que
divide el intervalo modal en dos partes de la forma p y c-p,
siendo c la amplitud del intervalo, que verifiquen que:

Siendo
la frecuencia absoluta del intervalo modal y
y
las frecuencias absolutas de los intervalos anterior y posterior,
respectivamente, al
Las calificaciones en la asignatura de Matemticas de 39
alumnos de una clase viene dada por la siguiente tabla (debajo):

Calificacion
123456789
es
Nmero de
224589342
alumnos

PROPIEDADES DE LAS MEDIDAS DE POSICIN.

MEDIAS
En su clculo intervienen todos los datos, por lo tanto, se
ven influidos por la variacin de cualquiera de ellos.
En particular, tienen el inconveniente de que los valores
extremos producen grandes modificaciones.
La media ms utilizada es la aritmtica.
La media geomtrica, aunque poco utilizada, es ms
adecuada cuando se trata de promediar incrementar
porcentuales que actan de forma sucesiva.
Su clculo es muy sencillo y en l intervienen todos los
datos.
Su valor es nico para una serie de datos dada.
Se usa con frecuencia para comparar poblaciones, aunque
es ms apropiado acompaarla de una medida de
dispersin.
Se interpreta como "punto de equilibrio" o "centro de
masas" del conjunto de datos, ya que tiene la propiedad de
equilibrar las desviaciones de los datos respecto de su
propio valor:
o

Minimiza las desviaciones cuadrticas de los datos

respecto de cualquier valor prefijado, esto es, el valor
de
es mnimo cuando
. Este resultado se
conoce como Teorema de Knig. Esta propiedad permite
interpretar uno de los parmetros de dispersin ms
importantes: la varianza.

Se ve afectada por transformaciones afines (cambios de

origen y escala), esto es, si
Entonces

, donde

es la

media aritmtica de los , para i =

1, ..., n y a y b nmeros reales.

Es poco sensible a fluctuaciones mustrales, por lo que es

un parmetro muy til en inferencia estadstica.

La media aritmtica ponderada es muy til cuando se considera

los distintos valores promediados tienen una importancia
desigual.

MEDIANA.
Utiliza menos informacin que la media, ya que solo depende
del orden de los datos, pero tiene la ventaja de que no se ve
influida por los valores extremos.
Es menos sensible que la media a oscilaciones de los
valores de la variable. Un error de transcripcin en la serie
del ejemplo anterior en, pongamos por caso, el ltimo
nmero, deja a la mediana inalterada.
Como se ha comentado, puede calcularse para datos
agrupados en intervalos, incluso cuando alguno de ellos no
est acotado.
No se ve afectada por la dispersin. De hecho, es ms
representativa que la media aritmtica cuando la poblacin

es bastante heterognea. Suele darse esta circunstancia

cuando se resume la informacin sobre los salarios de un
pas o una empresa. Hay unos pocos salarios muy altos
que elevan la media aritmtica haciendo que pierda
representatividad respecto al grueso de la poblacin. Sin
embargo, alguien con el salario "mediano" sabra que hay
tanta gente que gana ms dinero que l, como que gana
menos.
Sus principales inconvenientes son que en el caso de datos
agrupados en intervalos, su valor vara en funcin de la amplitud
de estos. Por otra parte, no se presta a clculos algebraicos tan
bien como la media aritmtica.

MODA
Sus principales propiedades son:
Clculo sencillo.
Interpretacin muy clara.
Al depender slo de las frecuencias, puede calcularse
para variables cualitativas. Es por ello el parmetro ms
utilizado cuando al resumir una poblacin no es posible
realizar otros clculos, por ejemplo, cuando se enumeran
en medios periodsticos las caractersticas ms frecuentes
de determinado sector social. Esto se conoce
informalmente como "retrato robot".

MEDIDAS DE DISPERSION
Las medidas de tendencia central tienen como objetivo el
sintetizar los datos en un valor representativo, las medidas de
dispersin nos dicen hasta que punto estas medidas de
tendencia central son representativas como sntesis de la
informacin. Las medidas de dispersin cuantifican la
separacin, la dispersin, la variabilidad de los valores de la
distribucin respecto al valor central. Distinguimos entre
medidas de dispersin absolutas, que no son comparables entre

diferentes muestras y las relativas que nos permitirn comparar

varias muestras.

MEDIDAS DE DISPERSIN ABSOLUTAS

VARIANZA (s2 ): Es el promedio del cuadrado de las distancias
entre cada observacin y la media aritmtica del conjunto de
observaciones.

Haciendo operaciones en la frmula anterior obtenemos otra

frmula para calcular la varianza:

Si los datos estn agrupados utilizamos las marcas de clase en

lugar de Xi.

MEDIDAS DE DISPERSIN RELATIVAS

COEFICIENTE DE VARIACIN DE PEARSON: Cuando se
quiere comparar el grado de dispersin de dos distribuciones
que no vienen dadas en las mismas unidades o que las medias
no son iguales se utiliza el coeficiente de variacin de Pearson
que se define como el cociente entre la desviacin tpica y el
valor absoluto de la media aritmtica

CV representa el nmero de veces que la desviacin tpica

contiene a la media aritmtica y por lo tanto cuanto mayor es
CV mayor es la dispersin y menor la representatividad de la
media.

PROPIEDADES DE LAS MEDIDAS DE

DISPERSION.

Son ndices que describen la variabilidad o dispersin y

por tanto cuando los datos estn muy alejados de la
media, el numerador de sus frmulas ser grande y la
varianza y la desviacin tpica lo sern.
Al aumentar el tamao de la muestra, disminuye la
varianza y la desviacin tpica. Para reducir a la mitad la
desviacin tpica, la muestra se tiene que multiplicar por
4.
Cuando todos los datos de la distribucin son iguales, la
varianza y la desviacin tpica son iguales a 0.
Para su clculo se utilizan todos los datos de la
distribucin; por tanto, cualquier cambio de valor ser
detectado.

VARIANZA
La varianza ser siempre un valor positivo o cero, en
el caso de que las puntuaciones sean iguales.
Si a todos los valores de la variable se les suma una
constante la varianza no vara.
Si todos los valores de la variable aleatoria se
multiplican por una constante
la varianza
queda multiplicada por el cuadrado de dicha constante.
Si tenemos varias distribuciones con la
y conocemos sus
respectivas
se puede calcular la Varianza total.

MEDIDAS DE FORMA

misma
media
varianzas

Comparan la forma que tiene la representacin grfica, bien sea

el histograma o el diagrama de barras de la distribucin, con la
distribucin normal.
MEDIDA DE ASIMETRA
Diremos que una distribucin es simtrica cuando su mediana,
su moda y su media aritmtica coinciden.
Diremos que una distribucin es asimtrica a la derecha si las
frecuencias (absolutas o relativas) descienden ms lentamente
por la derecha que por la izquierda.
Si las frecuencias descienden ms lentamente por la izquierda
que por la derecha diremos que la distribucin es asimtrica a la
izquierda.
Existen varias medidas de la asimetra de una distribucin de
frecuencias. Una de ellas es el Coeficiente de Asimetra de
Pearson:

Su valor es cero cuando la distribucin es simtrica, positivo

cuando existe asimetra a la derecha y negativo cuando existe
asimetra a la izquierda.

MEDIDA DE APUNTAMIENTO O CURTOSIS

Miden la mayor o menor cantidad de datos que se agrupan en
torno a la moda. Se definen 3 tipos de distribuciones segn su
grado de curtosis:
Distribucin mesocrtica: presenta un grado de
concentracin medio alrededor de los valores centrales de la
variable (el mismo que presenta una distribucin
normal). Distribucin leptocrtica: presenta un elevado grado
de concentracin alrededor de los valores centrales de la
variable. Distribucin platicrtica: presenta un reducido
grado de concentracin alrededor de los valores centrales de la
variable.

PROPIEDADES DE LA MEDIDA DE FORMA

Propiedad de los datos que tiene en cuenta la forma de
distribucin de los mismos. Puede ser simtrica o asimtrica
negativa o positiva.
Posicin de la media con respecto a la mediana.
Media > Mediana = asimtrica positiva o con sesgo a la
derecha.
Media " Mediana = simtrica o con sesgo cero.

 Media < Mediana = asimtrica negativa o con sesgo a la

izquierda.
Coeficiente Pearsoniano.
Valores Positivos significan una distribucin asimtrica
positiva o con sesgo a la derecha.
Valores aproximados a cero significan una distribucin
simtrica o con sesgo cero.
Valores Negativos significan una distribucin asimtrica
negativa o con sesgo a la izquierda.

MEDIDA SIMTRICA
Propiedad de forma de las distribuciones simtricas.
K " 0 Platicurtica.
K " 0.263 Mesocurtica.
K " 0.5 Leptocurtica.

CONCLUSION
Despus de revisar y analizar las propiedades de las medidas de
estadstica descriptiva, podemos concluir que cada una de las
medidas es importante para los estudios que se realicen en
beneficio de la carrera, ya que pueden esquematizar de forma
clara y concisa la informacin arrojada por las medidas.
Tambin al haber establecido lo que es la estadstica descriptiva,
basta sealar su enorme utilidad, ya que como lo mostraron los
ejemplos, en un futuro en el cual, en lugar de utilizar datos
ficticios, utilicemos datos fidedignos, ya sea dentro de nuestras
actividades, cualquiera que estas sean, esta ciencia nos
proveer de herramientas suficientes para desempear mejor
nuestra labor.
Cabe recalcar, la estadstica descriptiva nos ayuda a analizar y
comprender de manera expedita, la informacin, la cual es
importante para tomar las decisiones ms acertadas al afrontar
determinada situacin.

BIBLIOGRAFIA
www.fisterra.com/mbe/investiga/10descriptiva/10descrip
tiva.asp
http://www.udobasico.net/misitio/ESTADISTICA
%20DESCRIPTIVA.PDF
http://www.tuveras.com/estadistica/estadistica02.htm

 http://es.scribd.com/doc/69497079/Medidas-Dispersion2011
www.wikipedia.com