REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER

POPULAR PARA RELACIONES INTERIORES Y JUSTICIA UNIVERSIDAD

NACIONAL EXPERIMENTAL DE LA SEGURIDAD

MEDIDAS DE TENDENCIA CENTRAL

Grupo: 5 TSU Cohorte 7

Integrantes:
Valbuena Eloiby C.I 19565229
Agudelo Oscar C.I 19512318

INTRODUCCION
La estadstica es el mtodo cientfico de operar los datos e interpretarlos. En el
presente trabajo trabajaremos solamente las medidas de tendencia central.
Las medidas de tendencia central son valores numricos que tienden a
localizar la parte central de un conjunto de datos. Se clasifican en media, la
mediana y la moda.
Las medidas de tendencia central, son de suma importancia para la estadstica,
y para otros campos cientficos tambin. El propsito del desarrollo de este
trabajo es, conocer mejor las medidas de centralizacin y su aplicacin, as
como ejemplos detallados de cada una para mejor comprensin.
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en
un valor representativo, las medidas de dispersin nos dicen hasta qu 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 TENDENCIA CENTRAL

Al describir grupos de observaciones, con frecuencia es conveniente
resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele
situarse hacia el centro de la distribucin de datos se denomina medida
(Media) o parmetro de tendencia central o de centralizacin.
Cuando se hace referencia nicamente a la posicin de estos
parmetros dentro de la distribucin, independientemente de que esta est ms
o menos centrada, se habla de estas medidas como medidas de posicin. En
este caso se incluyen tambin los cuantiles entre estas medidas.
Las medidas de tendencia central corresponden a valores que
generalmente se ubican en la parte central de un conjunto de datos. (Ellas
permiten analizar los datos en torno a un valor central). Entre stas estn la
media aritmtica, la moda y la mediana.
Entre las medidas de tendencia central tenemos:

Media aritmtica.
Media ponderada.
Media geomtrica.
Media armnica.
Mediana.
Moda.

La media aritmtica

_
(X)

La media aritmtica es el valor obtenido sumando todas las

observaciones y dividiendo el total por el nmero de observaciones que hay en
el grupo.
X=

suma de todos los valores

x1 + x2 + x3 + x4 + ......
=
nmero total de datos
n

La media resume en un valor las caractersticas de una variable teniendo

en cuenta a todos los casos. Solamente puede utilizarse con variables
cuantitativas.

Ejemplo 1: Datos Agrupados

Notas de 5 alumnos en una prueba:
Alumno Nota
1
6.0
2
5.4
3
3.1
4
7.0
5
6.1

Entonces 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 alumnos: 27.6/5=5.52

LA MEDIA ARITMTICA EN ESTE PROBLEMA SERA 5.52

Este nmero representa el promedio.
Ejemplo 2: Datos Agrupados

Cuando se tienen muchos datos es ms conveniente agruparlos en una

tabla de frecuencias y luego calcular la media aritmtica. El siguiente cuadro lo
ilustra.

Largo (en m) Frecuencia absoluta

Largo por Frecuencia

absoluta

10

10 = 50

15

15 = 90

20

20 = 140

12

12 =

6 = 54

Frecuencia total = 63

430

X=

96

430
= 6,825
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).

Ejemplo 3: Datos No Agrupados

Calcular la T.A. sistlica media de 5 pacientes en los que se han
obtenido las siguientes cifras. 110, 118, 125, 136, 145
X = 110 + 118 + 125 + 136 + 145 = 634 = 126,8
5

Ejemplo 4: Datos Agrupados

xi

fi
1

xi. fi

18

20

10

___

___

20

59

X = xi. fi = 59 = 2,95
N

20

La estatura media como resumen de una poblacin homognea (abajo)

o heterognea (arriba).
La media aritmtica es, probablemente, uno de los parmetros
estadsticos ms extendidos. Se le llama tambin promedio o, simplemente,
media.
Definicin formal
Dado un conjunto numrico de datos, x1, x2,..., xn, se define su media
aritmtica como

DATOS SIN AGRUPAR:

X = x1 + x2 + x3 +....... + xn =
N

xi
N

DATOS AGRUPADOS:
X = xi. fi
N
Esta definicin vara, aunque no sustancialmente, cuando se trata de
variables continuas, esto es, tambin puede calcularse para variables
agrupadas en intervalos.
Propiedades
Las principales propiedades de la media aritmtica son:

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:

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
xi' = axi + b entonces
, donde es la media aritmtica de
los xi', 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.
Inconvenientes de su uso

Este parmetro, an teniendo mltiples propiedades que aconsejan su

uso en situaciones muy diversas, tiene tambin algunos inconvenientes, como
son:

Para datos agrupados en intervalos (variables continuas) su valor oscila

en funcin de la cantidad y amplitud de los intervalos que se consideren.

Es una medida a cuyo significado afecta sobremanera la dispersin, de

modo que cuanto menos homogneos son los datos, menos informacin
proporciona. Dicho de otro modo, poblaciones muy distintas en su
composicin pueden tener la misma media. 4 Por ejemplo, un equipo de
baloncesto con cinco jugadores de igual estatura, 1,95, pongamos por
caso, tendra una estatura media de 1,95, evidentemente, valor que
representa fielmente a esta homognea poblacin. Si embargo, un
equipo de estaturas ms heterogneas, 2,20, 2,15, 1,95, 1,75 y 1,70, por
ejemplo, tendra tambin, como puede comprobarse, una estatura media
de 1,95, valor que no representa a casi ninguno de sus componentes.

En el clculo de la media no todos los valores contribuyen de la misma

manera. Los valores altos tienen ms peso que los valores cercanos a
cero. Por ejemplo, en el clculo del salario medio de un empresa, el
salario de un alto directivo que gane 1.000.000 de tiene tanto peso
como el de diez empleados "normales" que ganen 1.000 . En otras
palabras, se ve muy afectada por valores extremos.

No se puede determinar si en una distribucin de frecuencias hay

intervalos de clase abiertos.

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 x1,x2,...,xn son nuestros datos y w1,w2,...,wn 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.
Moda (Mo)
La moda es el dato ms repetido, el valor de la variable con mayor
frecuencia absoluta. En cierto sentido se corresponde su definicin matemtica
con la locucin "estar de moda", esto es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues slo necesita de 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.
Ejemplo 1:
Nmero de personas en distintos carros en una carretera: 5-7-4-6-9-5-61-5-3-7 en este caso el nmero que ms se repite es 5, entonces la moda es 5.

Ejemplo 2:
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 3:
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.
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 al
intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del
intervalo, que verifiquen que:

Siendo ni la frecuencia absoluta del intervalo modal y ni 1 y ni + 1 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):
Calificaciones

1 2 3 4 5 6 7 8 9

Nmero de alumnos 2 2 4 5 8 9 3 4 2
Propiedades
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".
Inconvenientes

Su valor es independiente de la mayor parte de los datos, lo que la hace

muy sensible a variaciones mustrales. Por otra parte, en variables
agrupadas en intervalos, su valor depende excesivamente del nmero
de intervalos y de su amplitud.
Usa muy pocas observaciones, de tal modo que grandes variaciones en
los datos fuera de la moda, no afectan en modo alguno a su valor.
No siempre se sita hacia el centro de la distribucin.
Puede haber ms de una moda en el caso en que dos o ms valores de
la variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).
Mediana (Med)

La mediana es un valor de la variable que deja por debajo de s a la

mitad de los datos, una vez que estos estn ordenados de menor a mayor.
Segn el nmero de valores que se tengan se pueden presentar dos casos:
1. Si el nmero de valores es impar, la Mediana corresponder al valor
central de dicho conjunto de datos.
2. 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).
DATOS SIN AGRUPAR:
a) N de datos impares: Valor central
7, 4, 2, 5,9

2, 4, 5, 7,9

X=5

b) N de datos pares: Media de los dos valores centrales:

7,4,2,5,9,6

2,4,5,6,7,9

X = 5 +6 = 5,5
2

Ejemplo 1: Datos Impares

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: Datos Pares

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
Med

13 + 11
2

24
= 12
2

Ejemplo 3: Datos Pares

En el grfico de barras (que tiene un nmero par de columnas) los

valores centrales son 72 y 77, por lo tanto, la

Med
=

72 + 77
2

149
= Med
=
=
2
74,5

Ejemplo 4:
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 nmerosos
(vase el artculo principal dedicado a este parmetro). Del mismo modo, para
valores agrupados en intervalos, se halla el "intervalo mediano" y, dentro de
este, se obtiene un valor concreto por interpolacin.
Clculo de la mediana para datos agrupados
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla).
As, aplicando la formula asociada a la mediana para n impar,
obtenemos X (39+1) /2 = X20 y basndonos en la frmula que hace referencia
a las frecuencias absolutas:
Ni-1< n/2 < Ni = N19 < 19.5 < N20
X = Li +

N/2 fd
fc

Donde: Li = Lmite inferior del intervalo crtico

N = N total de datos
fd = Frecuencia acumulada por debajo del intervalo crtico

fc = Frecuencia del intervalo crtico

i = Amplitud del intervalo
Por tanto, la mediana ser el valor de la variable que ocupe el vigsimo
lugar. En nuestro ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5) >
19.5 con lo que Me = 5 puntos (es aconsejable no olvidar las unidades; en este
caso como estamos hablando de calificaciones, sern puntos)
La mitad de la clase ha obtenido un 5 o menos, y la otra mitad un 5 o
ms.
Ejemplo 5 (N par):
Las calificaciones en la asignatura de Matemticas de 38 alumnos de
una clase vienen dadas por la siguiente tabla (debajo):
Calificaciones

1 2 3 4 5 6 7 8 9

Nmero de alumnos 2 2 4 5 6 9 4 4 2
Calculemos la Mediana: xi
1
Primero hallamos las
2
acumuladas Fi
3

fi Fi
2 2
2 4

frecuencias

absolutas

4 8

4 5 13
5 6 19 = 19
6 9 28
7 4 32
8 4 36
9 2 38

Si volvemos a utilizar la frmula asociada a la mediana para n par,

obtenemos X (38/2) = X19 y basndonos en la frmula que hace referencia a
las frecuencias absolutas --> Ni-1< n/2 < Ni = N18 < 19 < N19

Con lo cual la mediana ser la media aritmtica de los valores de la

variable que ocupen el decimonoveno y el vigsimo lugar.
En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el vigsimo el
6, (desde el vigsimo hasta el vigsimo octavo)
Con lo que Me = (5+6)/2 = 5,5 puntos.
La mitad de la clase ha obtenido un 5,5 o menos y la otra mitad un 5,5 o
ms

Propiedades e inconvenientes
Las principales propiedades de la mediana son:

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.
Medidas de posicin no central (ndices de posicin)
En estadstica descriptiva, las medidas de posicin no central
permiten conocer otros puntos caractersticos de la distribucin que no son los
valores centrales. Entre las medidas de posicin central ms importantes estn
los cuantiles que son aquellos valores de la variable, que ordenados de menor
a mayor, dividen a la distribucin en partes, de tal manera que cada una de
ellas contiene el mismo nmero de frecuencias.
Los tipos ms importantes de cuantiles son:

Los cuartiles, que dividen a la distribucin en cuatro partes;

Los quintiles, que dividen a la distribucin en cinco partes;

Los deciles, que dividen a la distribucin en diez partes;

Los percentiles, que dividen a la distribucin en cien partes.

PERCENTILES (P): Es el valor de la variable por debajo del cual se

encuentra un porcentaje determinado de observaciones.
CUARTILES (Q): Son los valores de la variable que dejan por debajo el
25% de los datos............... Primer cuartil Q1 (25%)
50% de los datos................ Segundo cuartil Q2 (50%)
75% de los datos................ Tercer cuartil Q3 (75%)

USO DE LAS MEDIDAS DE TENDENCIA CENTRAL

Cul ser la medida de tendencia central que se debe usar,
teniendo un conjunto de observaciones?
Para responder a este cuestionamiento, se debe tomar en cuenta la
necesidad de considerar dos factores muy importantes uno es la escala de
medicin, que tiene que ser ordinal o numrica; y otra, la forma de distribucin
de las observaciones, porque se tiene que saber si la distribucin de las
observaciones se desva a la izquierda o a la derecha de la media. Si hay
observaciones distantes en una sola direccin se trata de una distribucin
sesgada. Si los valores distantes son pequeos se sesga a la izquierda, sesgo
negativo. Si los valores distantes son grandes se sesga a la derecha, sesgo
positivo

Media

Media

Izquierda
derecha
Mediana

Mediana

Sesgo negativo

sesgo positivo

Media

Mediana

Distribuciones simtricas
Las siguientes reglas deben considerarse al decidir cual medida se
aplicar a las observaciones del trabajo de investigacin. La media se usa para
datos numricos y distribuciones simtricas, es decir sin ningn tipo de sesgo,
y es sensible a los valores absolutos. La mediana se emplea para datos
ordinales o para datos numricos con distribucin sesgada, porque no es
sensible a la variacin de los extremos. El modo se utiliza para distribuciones
bimodales (dos observaciones que se repiten el mismo numero de veces en la
distribucin). Una forma de saber la forma que tiene la distribucin de
observaciones es la siguiente: Si la media y la mediana son iguales la
distribucin es simtrica (se usa la media). Si la media es mayor que la
mediana, la distribucin est sesgada a la derecha. Si la media es menor que
la mediana la distribucin est sesgada a la izquierda (en los ltimos dos
casos, se usa la mediana).
MEDIDAS DE DISPERSIN
Cuando se tiene una serie de mediciones de observaciones realizadas
en una investigacin no basta con presentar la media o la mediana segn sea
el caso. Desde luego que la informacin no es despreciable, pero se requiere
lograr informacin mas objetiva, por ejemplo, saber como es la variacin de
dichas observaciones, es decir, como se dispersan, o se sitan en el rea bajo
la curva.
Varias son las medidas estadsticas, que se utilizan para dar una idea
clara de cmo es la dispersin o variacin de las observaciones. Entre otras, el

rango, extensin o amplitud, la desviacin estndar, el coeficiente de

variacin, percentiles y el rango o amplitud intercuartil.
VARIANZA: Es la media de los cuadrados de las diferencias entre cada valor
de la variable y la media aritmtica.
_
S = (xi - X) o bien

S = 1

xi - (xi )

Para datos agrupados:

S = fi (xi - X) o bien S = 1
N

fi . xi - (fi . xi)

DESVIACIN TPICA: Es la raz cuadrada de la varianza

La diferencia entre la observacin mas grande y la mas pequea es lo
que se denomina rango (Recorrido o Amplitud), lo primero que se tiene que
hacer es organizar los datos, por ejemplo en una grafica de tronco y hoja o bien
una lista en orden ascendente o descendente. Se hace la operacin aritmtica
y se obtiene un nmero que es el rango, esta informacin o nmero obtenido
es poco til, por lo cual muchos autores al mencionar y exponer el rango,
anotan los valores mnimo y mximo de la lista de observaciones, lo cual tiene
mayor utilidad, porque nos indica de alguna forma como estn dispersos los
datos o ms bien cual es la amplitud de la dispersin de las observaciones.
RANGO SEMIINTERCUARTLICO:
Es la semidiferencia entre el tercer cuartil y el primero
(Q3 Q1) / 2
Ejemplo 1:
23,34,33,32,35,36,28,27,30 (primero ponerlos en orden)
23, 27, 28, 30, 32, 33, 34, 35,36

En el primer caso, el rango sera = (36 23 = 13)

En el segundo caso se pondra: rango = 23 a 36, esta informacin
tendra mayor utilidad para describir la amplitud de los datos
Cuando se tienen intervalos en una tabla de frecuencias, se hace un clculo
aproximado usando el lmite inferior del intervalo de clase menor y el lmite
superior del intervalo de clase ms alto. En el ejemplo de abajo sera 3.0 a 7.9

Intervalos
3.0 3.9
4.0 4.9
5.0 5.9
6.0 6.9
7.0 7.9
Una medida de dispersin, muy til y por lo tanto comnmente utilizada
es la desviacin estndar.
Es una medida de cmo se dispersan los datos alrededor de su media.
Partimos del hecho de que se pudiera medir que tanto se desva de la media,
cada una de las observaciones. Se sumaran todas estas mediciones y se
dividiran entre el nmero de ellas, para formar una analoga de la media. Es
decir una desviacin media, luego entonces tendra como frmula

(X X) /

n. Sin embargo si sumamos todas las desviaciones el resultado ser siempre

igual a cero. Entonces se pueden hacer dos cosas, una sumar los valores
absolutos de las desviaciones (sin signos, por ejemplo el valor absoluto de 3 es
I3I, y de 3 es I 3 I entonces es igual a 3 el nmero con barras verticales) o
bien elevando al cuadrado las desviaciones antes de sumarlas (se quitan los
signos) entonces quedara la frmula, as
I X X I / n, sin embargo sta frmula, no es til para hacer inferencias. Por
lo tanto se usa la segunda opcin que es elevar al cuadrado las desviaciones

antes de sumarlas y se extrae la raz cuadrada para volver al estado original de

medicin de las observaciones. El denominador tambin se modifica, para
producir una estimacin ms precisa de la desviacin estndar verdadera de la
poblacin, queda n 1, para que no se tenga el resultado de cero (que es en
otras operaciones lo que se conoce como grados de libertad)

Pacientes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
total

X
0.13
0
-0.18
-0.15
0.11
0.43
0.41
-0.12
0.06
0.06
-0.19
0.39
0.30
0.18
0.11
0.94
-0.07
-0.23
2.18

XX
0.01
-0.12
-0.30
-0.27
-0.01
0.31
0.29
-0.24
-0.06
-0.06
-0.31
0.27
0.18
0.06
-0.01
0.82
-0.19
-0.35

(X X)2
0.0001
0.0144
0.0900
0.0729
0.0001
0.0961
0.0841
0.0576
0.0036
0.0036
0.0961
0.0729
0.0324
0.0036
0.0001
0.6724
0.0361
0.1225
1.4586

La varianza es el resultado obtenido, antes de extraer la raz cuadrada

La raz cuadrada = 0.2929 que es la desviacin estndar (DE)
La variacin o desviacin de los datos del paciente 16 es casi la mitad
del resultado total, si se elimina, la DE es igual a 0.22, lo que demuestra la
importancia de que una o ms desviaciones sean muy distantes de la media.
Un aspecto relevante es que la desviacin de la media indica por
ejemplo que 2 DE abarcan casi las tres cuartas partes de todos los datos
(75%), es decir 2DE de la media.

En una distribucin simtrica 67% de las observaciones quedan entre la

media y 1DE 95% quedan entre 2DE, y 99.7% se agrupan entre 3DE.
Otra medida til para la dispersin relativa de los datos es el coeficiente
de variacin es la desviacin estndar dividida entre la media por 100%, es
una medida de la variacin relativa con respecto a la media, y se usa cuando
se comparan dos escalas de medicin diferentes, este coeficiente las
estandariza. La frmula es: CV = (DE / X) 100%. Los valores del resultado
indican que tan grande o pequea es la variacin, si es pequea se puede
utilizar adecuadamente por ejemplo una prueba diagnostica.