Anda di halaman 1dari 34

MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA, MODA

Supngase que un determinado alumno obtiene 35 puntos en una prueba de matemtica.


Este puntaje, por s mismo tiene muy poco significado a menos que podamos conocer el
total de puntos que obtiene una persona promedio al participar en esa prueba, saber cul es
la calificacin menor y mayor que se obtiene, y cun variadas son esas calificaciones.
En otras palabras, para que una calificacin tenga significado hay que contar con elementos
de referencia generalmente relacionados con ciertos criterios estadsticos.
Las medidas de tendencia central (media, mediana y moda) sirven como puntos de
referencia para interpretar las calificaciones que se obtienen en una prueba.
Volviendo a nuestro ejemplo, digamos que la calificacin promedio en la prueba que hizo el
alumno fue de 20 puntos. Con este dato podemos decir que la calificacin del alumno se
ubica notablemente sobre el promedio. Pero si la calificacin promedio fue de 65 puntos,
entonces la conclusin sera muy diferente, debido a que se ubicara muy por debajo del
promedio de la clase.
En resumen, el propsito de las medidas de tendencia central es:
Mostrar en qu lugar se ubica la persona promedio o tpica del grupo.
Sirve como un mtodo para comparar o interpretar cualquier puntaje en relacin con el
puntaje central o tpico.
Sirve como un mtodo para comparar el puntaje obtenido por una misma persona en dos
diferentes ocasiones.
Sirve como un mtodo para comparar los resultados medios obtenidos por dos o ms
grupos.
Las medidas de tendencia central ms comunes son:
La media aritmtica: comnmente conocida como media o promedio. Se representa por
medio de una letra M o por una X con una lnea en la parte superior.

La mediana: la cual es el puntaje que se ubica en el centro de una distribucin. Se


representa como Md.
La moda: que es el puntaje que se presenta con mayor frecuencia en una distribucin. Se
representa Mo.
De estas tres medidas de tendencia central, la media es reconocida como la mejor y ms
til. Sin embargo, cuando en una distribucin se presentan casos cuyos puntajes son muy
bajos o muy altos respecto al resto del grupo, es recomendable utilizar la mediana o la
moda. (Porque dadas las caractersticas de la media, esta es afectada por los valores
extremos).
La media es considerada como la mejor medida de tendencia central, por las siguientes
razones:
Los puntajes contribuyen de manera proporcional al hacer el cmputo de la media.
Es la medida de tendencia central ms conocida y utilizada.
Las medias de dos o ms distribuciones pueden ser fcilmente promediadas mientras que
las medianas y las modas de las distribuciones no se promedian.
La media se utiliza en procesos y tcnicas estadsticas ms complejas mientras que la
mediana y la moda en muy pocos casos.
Cmo calcular, la media, la moda y la mediana
Media aritmtica o promedio

Ejemplo 1:
En matemticas, un alumno tiene las siguientes notas: 4, 7, 7, 2, 5, 3
n = 6 (nmero total de datos)

La media aritmtica de las notas de esa asignatura es 4,8. Este nmero representa
el promedio.
Ejemplo 2:
Cuando se tienen muchos datos es ms conveniente agruparlos en una tabla de frecuencias
y luego calcular la media aritmtica. El siguiente cuadro con las medidas de 63 varas de
pino lo ilustra.

Largo

(en

Frecuencia absoluta

m)

Largo

por

Frecuencia

absoluta

10

10 = 50

15

15 = 90

20

20 = 140

12

12 =

96

6 = 54

Frecuencia total =

430

63

Se debe recordar que la frecuencia absoluta indica cuntas veces se repite cada valor, por
lo tanto, la tabla es una manera ms corta de anotar los datos (si la frecuencia absoluta es
10, significa que el valor a que corresponde se repite 10 veces).
Moda (Mo)
Es la medida que indica cual dato tiene la mayor frecuencia en un conjunto de datos; o
sea, cual se repite ms.
Ejemplo 1:
Determinar la moda en el siguiente conjunto de datos que corresponden a las edades de
nias de un Jardn Infantil.
5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3
La edad que ms se repite es 3, por lo tanto, la Moda es 3 (Mo = 3)

Ejemplo 2:
20, 12, 14, 23, 78, 56, 96
En este conjunto de datos no existe ningn valor que se repita, por lo tanto, este conjunto de
valores no tiene moda.

Mediana (Med)
Para reconocer la mediana, es necesario tener ordenados los valores sea de mayor a menor
o lo contrario. Usted divide el total de casos (N) entre dos, y el valor resultante corresponde
al nmero del caso que representa la mediana de la distribucin.
Es el valor central de un conjunto de valores ordenados en forma creciente o decreciente.
Dicho en otras palabras, la Mediana corresponde al valor que deja igual nmero de valores
antes y despus de l en un conjunto de datos agrupados.
Segn el nmero de valores que se tengan se pueden presentar dos casos:
Si el nmero de valores es impar, la Mediana corresponder al valor central de dicho
conjunto de datos.
Si el nmero de valores es par, la Mediana corresponder al promedio de los dos valores
centrales (los valores centrales se suman y se dividen por 2).

Ejemplo 1:
Se tienen los siguientes datos: 5, 4, 8, 10, 9, 1, 2
Al ordenarlos en forma creciente, es decir de menor a mayor, se tiene: 1, 2, 4, 5, 8, 9, 10
El 5 corresponde a la Med, porque es el valor central en este conjunto de datos impares.

Ejemplo 2:
El siguiente conjunto de datos est ordenado en forma decreciente, de mayor a menor, y
corresponde a un conjunto de valores pares, por lo tanto, la Med ser el promedio de los
valores centrales.
21, 19, 18, 15, 13, 11, 10, 9, 5, 3

Interpretando el grfico de barras podemos deducir que:


5 alumnos obtienen puntaje de 62
5 alumnos obtienen puntaje de 67
8 alumnos obtienen puntaje de 72
12 alumnos obtienen puntaje de 77
16 alumnos obtienen puntaje de 82
4 alumnos obtienen puntaje de 87
lo que hace un total de 50 alumnos
Sabemos que la mediana se obtiene haciendo

Lo cual significa que la mediana se ubica en la posicin intermedia entre los alumnos 25 y
26 (cuyo promedio es 25,5), lo cual vemos en el siguiente cuadro:

puntaje

alumnos

62

62

62

62

62

67

67

67

67

67

10

72

11

72

12

72

13

72

14

72

15

72

16

72

17

72

18

77

19

77

20

77

21

77

22

77

23

77

24

77

25

77

26

77

27

77

28

77

29

77

30

82

31

82

32

82

33

82

34

82

35

82

36

82

37

82

38

82

39

82

40

82

41

82

42

82

43

82

44

82

45

82

46

87

47

87

48

87

49

87

50

El alumno 25 obtuvo puntaje de 77


El alumno 26 obtuvo puntaje de 77
Entonces, como el total de alumnos es par debemos promediar esos puntajes:

La mediana es 77, lo cual significa que 25 alumnos obtuvieron puntaje desde 77 hacia abajo
(alumnos 25 hasta el 1 en el cuadro) y 25 alumnos obtuvieron puntaje de 77 hacia arriba
(alumnos 26 hasta el 50 en el cuadro).

MEDIDAS DE DISPERSION
Las medidas de dispersin nos informan sobre cunto se alejan del centro los
valores de la distribucin.
Las medidas de dispersin son:
Rang o o re co rri do
El rango es la diferencia entre elmayor y el menor de
los datos de una distribucin estadstica.

Desviacin media

La desviacin respecto a la media es la diferencia entre


cada valor de
aritmtica.

Ejemplo

la

variable

estadstica

la media

Calcular la desviacin media de la distribucin:


9, 3, 8, 8, 9, 8, 9, 18

DESVIACION ESTANDAR

La desviacin estndar o desviacin tpica es la raz cuadrada


de la varianza.

E s d e c i r, l a r a z c u a d r a d a d e l a m e d i a d e l o s c u a d r a d o s d e l a s
puntuaciones de desviacin.

La desviacin estndar se representa por .

COEFICIENTE DE VARIACIN
Las medidas de dispersin anteriores son todas medidas de variacin absolutas.
Una medida de dispersin relativa de los datos, que toma en cuenta su magnitud,
est dada por el coeficiente de variacin.
El Coeficiente de variacin (CV) es una medida de la dispersin relativa de un
conjunto de datos, que se obtiene dividiendo la desviacin estndar del conjunto
entre su media aritmtica y se expresa como
para una muestra

y para la poblacin.

Los coeficientes de variacin tienen las siguientes caractersticas:


Puesto que tanto la desviacin estndar como la media se miden en las
unidades originales, el CV es una medida independiente de las unidades de
medicin.
Debido a la propiedad anterior el CV es la cantidad ms adecuada para
comparar la variabilidad de dos conjuntos de datos.
En reas de investigacin donde se tienen datos de experimentos previos,
el CV es muy usado para evaluar la precisin de un experimento,
comparando en CV del experimento en cuestin con los valores del mismo
en experiencias anteriores.

Ejemplo: En seis sbados consecutivos un operador de taxis recibi 9, 7, 11, 10, 13


y 7 llamadas a su sitio para su servicio. Calcule:
a. Amplitud.
b. Media.
c. Desviacin media.
d. Desviacin estndar.
e. Varianza.
f. Coeficiente de variacin.

a) Para calcular la amplitud.


Valor mximo 13
Valor mnimo 7
A = 13 7 = 6

b) Para calcular la media.

c) Para calcular la desviacin media

d) Para calcular la desviacin estndar

Se puede utilizar la siguiente tabla:

Al sustituir los valores se obtiene:

e) Para calcular la varianza:

f) Para calcular el coeficiente de variacin:

FRECUENCIA DE HISTOGRAMAS
Los histogramas de frecuencias son diagramas de barras empleados para
resumir e Ilustrar la variacin que se presenta en un conjunto de datos.
Sirven para investigar cmo se puede solucionar un problema o mejorar
un proceso.
Ejemplo: Una empresa se interesa en el ancho de bloques de madera y ha
tomado 100 muestras de la operacin de corte. Los datos han sido
agrupados en intervalos o rangos y se muestran en el siguiente cuadro:

Del cuadro se puede apreciar que de las 100 muestras de bloques de


madera 5 miden de 2 a 13 centsimas de pulgada, 10 miden de 14 a 25
centsimas de pulgada, etc. El mayor nmero de bloques de madera (34)
miden de 28 49 centsimas de pulgada. Podemos representar
grficamente esta informacin a travs del siguiente histograma de
frecuencia en el cual la altura de cada barra indica la frecuencia de las
observaciones en ese intervalo.

El histograma de frecuencias es una herramienta para la calidad, muy til


porque nos permite tomar decisiones respecto al comportamiento de una
determinada variable, en este caso, la variable es el ancho de los bloques
de madera. La empresa tendr que determinar cmo mejorar la operacin
de corte para no tener tanta variacin en las dimensiones de los bloques.

Ejemplos de tipos de representaciones grficas


Histogramas: Se agrupan los datos en clases, y se cuenta cuntas observaciones
(frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables
cualitativas) las clases estn definidas de modo natural, p.e sexo con dos clases: mujer,
varn o grupo sanguneo con cuatro: A, B, AB, O. En las variables cuantitativas, las
clases hay que definirlas explcitamente (intervalos de clase).

FRECUENCIA RELATIVA
L a f r e c u e n c i a r el a t i v a e s e l c o c i e n t e e n t r e l a f r e c u e n c i a
a b s o l u t a d e u n d e te r m i n ad o val o r y e l n m e r o t o t a l d e d a t o s .

L a f r e c u e n c i a r el a t i v a s e p u e d e e x p r e s a r e n t a n t o s p o r c i e n t o y s e
re p re s e n t a p o r n i .
La suma de las frecuencias relativas es igual a 1.

Ejemplo

Durante el mes de julio, en una ciudad se han registrado las


siguientes temperaturas mximas:

32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31,
30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.

FR EC UENC I A ABSO LUT A

La frecuencia absoluta es el nmero de veces que aparece un


determinado valor en un estudio estadstico.

Se representa por fi.

La suma de las frecuencias absolutas es igual al nmero total de


datos, que se representa por N.

P ar a i n d i c a r r e s u m i d a m e n t e e s t a s s u m a s s e u t i l i z a l a l e t r a
griega (sigma mayscula) que se lee suma o sumatoria.

Ejemplo

Durante el mes de julio, en una ciudad se han registrado las


siguientes temperaturas mximas:

32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31,
30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
En la primera columna de la tabla colocamos la variable ordenada de
menor a mayor y en la segunda anotamos la frecuencia absoluta.

DISTRIBUCION NORMAL (GAUSS)

Una distribucin normal de media y desviacin


tpica se designa por N(, ). Su grfica es

la campana de Gauss:

El rea del recinto determinado por la funcin

y el eje de abscisas es igual a la unidad.

Al ser simtrica respecto al eje que pasa por x = ,


deja un rea igual a 0.5 a la izquierda y otra igual a
0.5 a la derecha.

La probabilidad equivale al rea encerrada bajo


la curva.

DISTRIBUCION BINOMIAL

Una distribucin binomial o de Bernoulli tiene las siguientes


caractersticas:

1. En cada prueba del experimento slo son posibles dos


resultados: xito y fracaso.

2 . L a p r o b a b i l i d a d d e x i t o e s c o n s t a n t e , e s d e c i r, q u e n o v a r a
de una prueba a otra. Se representa por p.

3.La probabilidad de fracaso tambin es constante, Se


representa por q,

q = 1 p

3.El resultado obtenido en cada prueba es independiente de los


resultados obtenidos anteriormente.

5.La variable aleatoria binomial, X, expresa el nmero de xitos


obtenidos en las npruebas. Por tanto, los valores que puede
tomar X son: 0, 1, 2, 3, 4, ..., n.

La distribucin bimomial se expresa por B(n, p)

PERCENTILES

Los p e r c e n t i l e s son los 9 9 v a l o r e s que d i v i d e n la serie de datos en 100


partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los
datos.
P50 coincide con la mediana.
P50 coincide con D5.

IMPORTANCIA DE LA CALIDAD EN LA INDUSTRIA DE ALIMENTOS

La realidad nos muestra que la calidad de los alimentos que ingerimos es la


principal preocupacin para consumidores y productores. Por ello, es de gran
importancia la implementacin de un sistema de calidad que garantice la
seguridad
del
producto
final.
Cuando se habla de seguridad, se debe entender por sta la certeza de que el
producto que se est comprando no traer ningn problema de salud cuando sea
consumido. Esto plantea un nuevo desafo para las empresas alimenticias: un
proceso ordenado es imprescindible para asegurar la calidad del producto final.
Los sistemas de Aseguramiento de la Calidad tienen como principio bsico que
un producto debe ser bien hecho desde la primera vez. Este concepto implica la

adopcin de un criterio netamente preventivo en los procesos de produccin.


Si se desea obtener la confianza de un cliente actual o futuro es necesario
demostrar que los productos o servicios ofrecidos cumplen con sus expectativas.
El aseguramiento de calidad debe por lo tanto probar que la misma ha sido
planeada y construida desde el principio y que es monitoreada a lo largo de todo
el proceso.
RESUMEN
En las sociedades industrializadas del primer mundo, la demanda creciente de
alimentos de calidad por los consumidores obliga a la industria agroalimentaria a
producir alimentos que no solo cubran las necesidades nutritivas, sino que sean
adems seguros, apetitosos y saludables. Asimismo existe una creciente
preocupacin en el consumidor por el bienestar de los animales utilizados, y por
el impacto que la produccin, transformacin, y distribucin de alimentos
ocasiona en el medio ambiente. Estos hechos determinan que el mercado haya
cambiado su fuerza impulsora y su orientacin, primando la calidad sobre la
cantidad, o lo que es lo mismo, que la industria agroalimentaria pase de fijar
objetivos centrados en la produccin a prestar atencin preferente a las
demandas del consumidor. Las autoridades sanitarias, los consumidores y, por
supuesto, la propia industria, han tomado conciencia de la influencia de las fases
primarias de produccin sobre la calidad y seguridad final del alimento. Por ello,
es importante definir lo que significa el concepto de calidad en relacin con los
alimentos, as como su aplicacin en la industria agroalimentaria.