MEDIDAS DE NO CENTRALIDAD:

Son aquellas que nos ayuda a dividir la distribución en varias partes

iguales o fracciones entre ellas podemos mencionar a :
CUARTILES, DECILES Y PERCENTILES

1.- CUARTILES: Dada una variable de estudio X cuya distribución es conocida

y entendemos por cuartiles aquellas medidas que nos ayudan a dividir la
distribución en cuatro partes iguales donde cada una de ellas contiene el 25% de
información y se denota con
Qi DONDE i= 1,2,3

75% mas
25% menos

25% 25%25%25%

Q1 Q2 Q3
Me

INTERPRETACION:
Q1= ¼=0.25=25% de las observaciones entonces el 25% MENOS y el
75% MAS

Q2= 1/2=0.50=50% de las observaciones entonces el 50% MENOS y el

50% MAS = Me

Q3= 3/4=0.75=75% de las observaciones entonces el

75% MENOS Y EL 25% MÁS

FORMULA:

𝒊∗𝒏
− 𝑵𝒊−𝟏
𝑸 𝒊 = 𝑌𝑖−1 + ( 𝟒 ) 𝐂𝐢
𝑵𝒊 − 𝑵𝒊−𝟏

Ejemplo :
En la empresa gatito feliz S.A. tuvo una inquietud el administrador donde
quiere saber su edad de los trabajadores en general, pero para ello solo quiere
saber las edades menores para restructurar su empresa y solo toma el 25% de
sus personales cual será la edad:
Edad ni
25-35 15
35-45 25
45-55 17
55-65 10
65-90 5
72

Solución:
Para hallar os cuartiles deben seguir los mismos pasos
de la mediana entonces:
Paso 1:
CALCULAR Ni
Paso 2:
𝒊∗𝒏 𝒊∗𝒏
CALCULAR = entonces Qi = Q1 ósea el i=1 entonces
𝟒 𝟒

𝒊∗𝒏
𝑸𝟏 = =
𝟒

Paso 3:
𝒊∗𝒏
BUSCAR =……. en las Ni (mayor)
𝟒

Paso 4:
Ubicar las variables de la formula
𝒊∗𝒏
𝒀𝒊−𝟏 =…... = ⋯ .. , 𝑵𝒊−𝟏 = ⋯ ..
𝟒
𝑵𝒊 = ⋯ . 𝐂𝐢 =……
 Paso 5 REEMPLAZAR EN LA FORMULA

𝒊∗𝒏
− 𝑵𝒊−𝟏
𝑸 𝟏 = 𝑌𝑖−1 + ( 𝟒 ) 𝐂𝐢
𝑵𝒊 − 𝑵𝒊−𝟏
−−−−−−−−−−−−−−−−

Interpretación:
………..

2.- DECILES .- Dada una variable de estudio X cuantitativa y cuya distribución

es conocida , se entiende a las DECILES aquellas medidas que dividen a la
distribución en 10 partes iguales
Entonces se denota con Di Donde i= 1,2,3,4,5,6,7,8,9

20% menos 80% mas

90% mas

10% meno 10% 10% 10%

10%
D1 D2 D3……………D9

INTERPRETACION:
D1=0.1=10% de las observaciones entonces el 10% MENOS y el 90 %
MAS
D2= 0.2=20% de las observaciones entonces el 20% MENOS y el 80%
MAS
D3= 0.3=30% de las observaciones entonces el

30% MENOS Y EL 70% MÁS

.
.

D9= 0.9=90% de las observaciones entonces el

90% MENOS Y EL 10% MÁS

FORMULAS
𝒊∗𝒏
− 𝑵𝒊−𝟏
𝑫 𝒊 = 𝑌𝑖−1 + ( 𝟏𝟎 ) 𝐂𝐢
𝑵𝒊 − 𝑵𝒊−𝟏

3.- PERCENTILES.- Dada una variable de estudio X cuantitativa y cuya

distribución es conocida, se entiende a las PERCENTILES aquellas medidas
que dividen a la distribución en 100 partes iguales
Entonces se denota con Pi Donde i= 1,2,3,4,5,6,7,8,9,10 ……….,99

1% 1%1% 1%1%1%

1% MENOS 99% MAS

P1P2P3……………………………………………….P99

INTERPRETACION:
P1=1% de las observaciones entonces el 1% MENOS y el 99% MAS

P2= 2% de las observaciones entonces el 2% MENOS y el 98% MAS

P3= 3% de las observaciones entonces el 3% MENOS Y EL 97% MÁS

P99= 0.99=99% de las observaciones entonces el

99% MENOS Y EL 1% MÁS

FORMULAS

𝒊∗𝒏
− 𝑵𝒊−𝟏
𝑷 𝒊 = 𝑌𝑖−1 + ( 𝟏𝟎𝟎 ) 𝐂𝐢
𝑵𝒊 − 𝑵𝒊−𝟏
PROPIEDADES:
1.- Me= Q2=D5=P50
2.- Q1=P25
3.- Q3=P75
4.- D1=P10
5.- D4=P40
6.- D8=P80

.
CAPITULO 6

MEDIDAS DE DISPERSION

DEFINICION:
Es también llamado MEDIDAS DE VARIABILIDAD
Dado un X cuya variable de estudio es cuantitativa y una distribución conocida, entonces las
medidas de dispersión o de variabilidad son aquellas que nos ayudan a describir CUAN
CONCENTRADOS O DISPERSOS están la información respecto a un punto CENTRAL O
PROMEDIO,

XI

Promedio o la mediana

Entre ellas tenemos:

1.- RANGO O RECORRIDO,- Se denota

R= Y MAX - Y MIN

2.- RANGO INTERCURTILICO : Se denota RI y su fórmula es

RI= Q3 – Q1

3.- RANGO SEMI INTERCAURTILICO: Se denota RIS y su fórmula es

𝑄3 − 𝑄1
𝑅𝐼𝑆 =
2
4.- RANGO INTER DECIL: Se denota RID y su fórmula es

RID=D9 – D1

5.- RANGO INTER PERCENTIL: Se denota RIP y su fórmula es

RIP=P90 – P10

6.- DESVIACION MEDIA ABSOLUTA: Se denota DM y su fórmula es

∑𝑛
𝑖=1|𝑋𝑖−𝑥̅ |
DM= para datos simples no tabulados
𝑛
𝒏
∑𝒊=𝟏|𝑿𝒊−𝒙
̅|𝒏𝒊
DM= Para datos discretas caso 2 y caso 3 continuas
𝒏
 Varianza:
Sea X la variable cuantitativa cuya media aritmética es conocida, es una medida de dispersión
con más precisión además de mayor uso en la práctica, esta medida de dispersión se utiliza con
mucho frecuencia en la estadística inferencial (probabilidad), así mismo existe 2 clases de
varianza dependiendo si se trabaja con una población, es una varianza poblacional donde se
simboliza por (sigma al cuadrado) 𝜎 2 o con una muestra por lo que será varianza muestral se
simboliza 𝑆 2 𝑜 𝑉[𝑥] cuyas formulas son:

2 ∑𝑛 ̅ 2
𝑖=1(𝑋𝑖 −𝑋)
𝑆 = 𝑉 [𝑥 ] = Datos simples no tabulados
𝑛

∑𝑛 ̅ 2
𝑖=1(𝑋𝑖 −𝑋) 𝑛1
𝑆 2 = 𝑉[𝑥] = Datos agrupados discretos y continuos
𝑛

Propiedades:
1.- El resultado de estudiar la varianza es un número positivo o es cero
𝑆2 ≥ 0
2.- La varianza de una constante es a cero

3.- También se puede hallar la varianza con esta propiedad

2 ∑𝑛 2
𝑖=1 𝑋𝑖
𝑆 = 𝑉 [𝑥 ] = − 𝑥̅ 2 Datos simples no tabulados
𝑛
2
∑𝑛
𝑖=1 𝑋𝑖 𝑛𝑖
𝑆 2 = 𝑉[𝑥] = ̅2 Datos agrupados discretos y continuos
−𝑥
𝑛

DESVIACION ESTANDAR:
Es también llamado desviación típica o estándar, se define como la raíz cuadrada de la varianza
(con signo positivo)
𝑆 = √𝑉[𝑋]

∑ ̅ )2 𝑛1
𝑛 (𝑋 − 𝑋
𝑖
𝑆=√ 𝑖=1
𝑛
OBSERVACIONES:
1.-L a desviación estándar o típica e un número positivo o cero

𝑆≥0

COEFICIENTE DE VARIABILIDAD O COEFICIENTE DE VARIACION:

Se denota con C.V. y es también llamado medida de dispersión relativa, dada la variable X
cuantitativa con media aritmética y desviación estándar conocida entonces el coeficiente de
variabilidad de la variable X se define como la desviación estándar dividida entre la media
aritmética :

𝑆𝑋
C.V.(X)= 𝑋̅
La medida relativa de dispersión, es útil para la comparación en términos relativos del grado de
concentración en torno a la medida de dos distribuciones.

OBSERVACIONES:
1. El coeficiente de variabilidad se puede calcular siempre y cuando la media aritmética sea
diferente de cero.

𝑋̅ ≠ 0
2. Para interpretar esta medida previamente se multiplica por 100 y se expresa en %

C.V. x 100
CAPITULO 7
MEDIDAS DE FORMA

INTRODUCCION:
La curva de frecuencia llamada también curva de frecuencia suavizada del polígono de
frecuencias, es una curva que toma la forma general de la curva normal.
Sin embargo existen semejanzas y diferencias en las que precisamente se encargan las medidas
de forma, Las medidas de forma mediante coeficientes indicativos, miden la relación de
frecuencias, con respecto a la curva normal.
Básicamente son las medidas de:
SESGO Y CURTOSIS
Donde:
a) Sesgo que compara la simetría de curva de frecuencias, respecto a la curva normal
b) CURTOSIS: La curtosis compara el perfil de una curva de frecuencias, respecto a la curva
normal.

Entre esta también los MOMENTOS que nos sirve para poder definir las medidas de forma es
indispensable el uso de los momentos, que se define como:
Promedios de potencia de las desviaciones de los valores de una serie de observaciones con
respecto a un valor arbitrio donde existen momento has el n-esimo valor pero solo se utiliza los
primeros momentos , se denota con mr y para su cálculo consideramos:

DATOS SIMPLES:
X1, X2, X3, X4,……., Xn observaciones

∑𝒏 ̅ 𝒓
𝒊=𝟏(𝑿𝒊 −𝑿)
mr=
𝒏
DATOS AGRUPADOS DISCRETO Y CONTINUOS:
Así mismo que las n observaciones están resumidas en la siguiente tabla de distribución.

∑𝒏 ̅ 𝒓
𝒊=𝟏(𝑿𝒊 −𝑿) 𝒏𝒊
mr=
𝒏
donde :

r= 1.2.3.4.5…………n

De estos momentos lo que nos interesa son los momentos de:

a) r= 1 entonces este se llama momento de primer orden

∑𝒏 ̅ 𝟏
𝒊=𝟏(𝑿𝒊 −𝑿)
m1= =𝟎
𝒏
b) r= 2 entonces este se llama momento de segundo orden
∑𝒏 ̅ 𝟐
𝒊=𝟏(𝑿𝒊 −𝑿)
m2= = 𝒔𝟐 = 𝑽[𝑿]
𝒏
c) r= 3 entonces este se llama momento de tercer orden
∑𝒏 ̅ 𝟑
𝒊=𝟏(𝑿𝒊 −𝑿)
m3= = 𝒔𝟑 = 𝑪𝑨𝑺= SESGO
𝒏
d) r= 4 entonces este se llama momento de cuarto orden
∑𝒏 ̅ 𝟒
𝒊=𝟏(𝑿𝒊 −𝑿)
m4= = 𝒔𝟒 = 𝑲 = CURTOSIS O APUNTAMIENTO
𝒏
EJEMPLO:

X= EDAD
16, 25, 30, 12

CALCULAR EL momento de tercer orden

Entonces r =3

Reemplazamos
∑𝒏 ̅ 𝟑
𝒊=𝟏(𝑿𝒊 −𝑿)
m3= =
𝒏

Que variable nos falta para poder remplazar en la fórmula es :

La media aritmética:

∑𝑛
𝑖=1 𝑋𝑖
𝑋̅ = = ⋯ … … … … … ..
𝑛

𝑋̅ = ……….. años
Ahora reemplazamos en la fórmula:

∑𝒏 ̅ 𝟑
𝒊=𝟏(𝑿𝒊 −𝑿)
m3= = ⋯ … … … ….
𝒏

SESGO: Esta deformidad que puede sufrir una distribución o la dirección de las observaciones al
contrario de las medidas de dispersión que solo indica la magnitud de las variaciones.
Habiendo 3 tipos de deformidad del eje x:

a) SESGO DE ASIMETRÍA DE PEARSON

b) COEFICIENTE DE ASIMETRÍA EN FUNCIÓN A MOMENTOS

a) COEFICIENTE DE ASIMETRIA DE PEARSON:

Dada la variable d estudio X cuantitativa, cuya distribución es unimodal (asumiendo que son
conocidos la MEDIA ARITMETICA, MEDIANA Y MODA), Y LA DESVIACION ESTANDAR mayor
a 0 y unimodal, podemos calcular el primer coeficiente de asimetría de Pearson y el segundo
coeficiente de a asimetría en función a momentos y estos son:

a.1) PRIMER COEFICIENTES DE ASIMETRIA DE PEARSON:

𝑋̅−𝑀𝑜
Cas1=
𝑆𝑋
a.2) SEGUNDO COEFICIENTES DE ASIMETRIA DE PEARSON:
3(𝑋̅−𝑀𝑒 )
Cas2=
𝑆𝑋

b) COEFICIENTE DE ASIMETRÍA EN FUNCIÓN A MOMENTOS

Dada la variable X cuantitativa cuya distribución e conoce los momentos de segundo y
tercer orden
 𝑚3
Cas3=
(√𝑚23 )

Ahora para interpretar

CAS< 0 DISTRIBUCION SIMETRICA NEGATIVA (SESGO HACIA LA IZQUIERDA)

O también 𝑋̅ < 𝑀𝑒 < 𝑀𝑜

CAS= 0 DISTRIBUCION SIMETRICA

O también 𝑋̅ = 𝑀𝑒 = 𝑀𝑜

CAS> 0 DISTRIBUCION SIMETRICA POSITIVA (SESGO HACIA LA DERECHA)

O también 𝑋̅ > 𝑀𝑒 > 𝑀𝑜

Ejemplo: Calcular el sesgo para los salarios de los 50 obreros

Yi-1-Yi ni
65-75 4
75-85 11
85-95 20
95-105 9
105-115 6
50

∑ni=1 X i ∗ 𝑛𝑖
X̅ = = ⋯……
n

X̅ = ⋯ … … . Bs

∑𝑛 2
𝑖=1 𝑋𝑖 𝑛𝑖
SEGUNDO PASO: Calcular 𝑛

∑𝑛 2
𝑖=1 𝑋𝑖 𝑛𝑖
= … … ….
𝑛
Ahora remplazamos en la fórmula:
2
∑𝑛𝑖=1 𝑋𝑖2 𝑛𝑖
𝑆 = 𝑉[𝑥] = − 𝑥̅ 2 = ⋯ … ..
𝑛

… … ..
4.- CALCULE LA DESVIACION ESTANDAR
𝑆 = √𝑉[𝑋]

𝑺𝑿 = ⋯ ….

CALCULO DE LOS COEFICENTE DE PEARSON:

𝑋̅−𝑀𝑜
CAS1=
𝑆𝑋
CALCULO DE LA MODA :

PRIMER PASO hallar: ni=……… que es el mayor valor (guíese por los colores)
SEGUNDO PASO hallar:
∆𝟏 = ni - ni-1=……….
∆𝟐 = ni - ni +1=…………
TERCER PASO: Identificar las variables:
𝐘𝐢−𝟏 = …. ; ∆𝟏 =….. ; ∆𝟐 = …. C4=…
CUARTO PASO.- Reemplazar en la fórmula:

∆𝟏
𝑀𝑜 = 𝒀𝒊−𝟏 + ( )𝒄
∆1 + ∆2 𝒊
 … … … … ..
Ahora reemplazamos en la formula

CAS1………………….
Ahora comparamos
CAS< 0 DISTRIBUCION SIMETRICA NEGATIVA (SESGO HACIA LA IZQUIERDA)
CAS= 0 DISTRIBUCION SIMETRICA
CAS> 0 DISTRIBUCION SIMETRICA POSITIVA (SESGO HACIA LA DERECHA)

CONCLUSION:
0.082 > 0 DISTRIBUCION SIMETRICA POSITIVA (SESGO HACIA LA DERECHA)

CURTOSIS:
Es la deformidad vertical que puede sufrir una distribución de una variable cuantitativa al ser
comparada con la distribución normal dentro de estos podemos mencionar los siguientes tipos de
curtosis.
a) DISTRIBUCION LEPTOCURTICA: Esta distribución es más elevada que la distribución
normal
K> 3

DISTRIBUCION DE X

DISTRIBUCION NORMAL

LEPTOCURTICA

b) DISTRIBUCION PLATICURTICA : Esta distribución es más achatada que la distribución

normal o es más baja que la distribución normal
K< 3
 c) DISTRIBUCION MESOCURTICA : Esta distribución se da cuando coincide con la
distribución
K= 3

Su fórmula es :

𝑚4 𝑚4 𝑚4
K=( = =
𝑚2 )2 𝜎 4 𝑆4

Ejemplo: Calcular el sesgo para los salarios de los 50 obreros

Yi-1-Yi ni
65-75 4
75-85 11
85-95 20
95-105 9
105-115 6
50

Calculamos primero el momento 4 entonces: m4

∑ni=1 X i ∗ 𝑛𝑖
X̅ = = ⋯……
n

X̅ = ⋯ … … ..

∑𝒏 ̅ 𝒓
𝒊=𝟏(𝑿𝒊 −𝑿) 𝒏𝒊
mr=
𝒏
∑𝒏 ̅ 𝟒
𝒊=𝟏(𝑿𝒊 −𝑿) 𝒏𝒊
m4= = … … … … ..
𝒏

CALCULE LA DESVIACION ESTANDAR

𝑆 = √𝑉[𝑋]

… … … … ..
Ahora reemplace en la fórmula :
 𝑚4 𝑚4
K=( = = ⋯ … … ….
𝑚2 )2 𝜎 4

K< 3 ………. entonces es la curva PLATICURTICA