2.4.

ANÁLISIS E INTERPRETACIÓN DE DATOS UNIVARIADOS

En esta etapa se definen los procedimientos de cálculo que nos permitan obtener valores
numéricos, únicos, sobre aspectos importantes de la población ( parámetros ) o de la muestra (
Estadígrafos o estadísticas ).
Los aspectos de interés estadísticos, del grupo, son:
◦ La Posición
◦ La Dispersión
◦ La Asimetría
◦ La Curtosis
2.4.1. MEDIDAS DE POSICION
Son medidas que describen la posición del conjunto de datos

° 𝑀𝑒𝑑𝑖𝑎 𝐴𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎
° 𝑀𝑒𝑑𝑖𝑎𝑛𝑎
Valores Centrales o Promedios ° 𝑀𝑜𝑑𝑎
° 𝑆𝑒𝑔𝑢𝑛𝑑𝑜 𝐶𝑢𝑎𝑟𝑡𝑖𝑙
{ ⋯ 𝑒𝑡𝑐.
° 𝑃𝑟𝑖𝑚𝑒𝑟 𝐶𝑢𝑎𝑟𝑡𝑖𝑙
Valores No Centrales { ° 𝑇𝑒𝑟𝑐𝑒𝑟 𝐶𝑢𝑎𝑟𝑡𝑖𝑙
⋯ 𝑒𝑡𝑐

1. MEDIA ARITMÉTICA
Es una medida (valor numérico) obtenida del conjunto de datos observados de una
variable cuantitativa X , y representa el punto de equilibrio del grupo.

Notación: 𝑋̅ , si el conjunto es una muestra

μ , si el conjunto es la población
PROCEDIMIENTO DE CALCULO:
° PARA DATOS NO AGRUPADOS ( Observaciones Originales )
Sea la variable X , con valores; x1 , x2 , ⋯ , xn . Entonces:

𝑛
∑ 𝑥
𝑋̅ = 𝑖=1 𝑖
𝑛
Ejemplo. Sea n=5, donde x1 = 20, x2 = 19, x3 = 21, x4 = 19, x5 = 20. Entonces
5
∑ 𝑥𝑖 𝑥 +𝑥 +𝑥 +𝑥 +𝑥
𝑋̅ = 𝑖=1
𝑛
= 1 2 53 4 5
20 + 19 +21+19+20
= 5
= 19,8

° PARA DATOS AGRUPADOS ( TF )

CUANDO NO SE TIENEN INTERVALOS DE CLASE
Sea la variable cuantitativa discreta X, entonces :

∑𝑘
𝐽=1 𝑥𝑗 𝑓
𝑋̅ = 𝑗
∑𝑘
𝑗=1 𝑓𝑗

donde ∑𝑘𝑗=1 𝑓𝑗 = 𝑛

Ejemplo.- De la TF, para la variable Y = Número de artículos defectuosos, por lote.

Determine la media aritmética.

Solución :
 De la TF , construida anteriormente para Y, se tiene :
𝑓𝑗 𝑦𝑗
j 𝑦𝑗 𝑓𝑗

1 0 3 0
2 1 3 3
3 2 5 10
4 4 1 4
5 5 4 20
6 6 2 12
7 7 1 7
8 8 1 8

∑8𝑗=1 𝑓𝑗 = 20 ∑8𝑗=1 𝑓𝑗 𝑦𝑗 = 64
∑8𝐽=1 𝑦𝑗 𝑓 64
⟹ 𝑌̅ = ∑8𝑗=1 𝑓𝑗
𝑗
= 20
= 3,2 artículos defectuosos por lote.

Interpretación : El número promedio de artículos defectuosos por lote es 3,2

CUANDO SE TIENEN INTERVALOS DE CLASE

Sea la variable cuantitativa continua X, entonces :

′
∑𝑘
𝐽=1 𝑥𝑗 𝑓𝑗
𝑋̅ = donde ∑𝑘𝑗=1 𝑓𝑗 = 𝑛
∑𝑘
𝑗=1 𝑓𝑗

Ejemplo.- De la TF, para la variable Z = Cantidad de gr. de sílice, en una porción de

mineral de hierro. Determine la media aritmética

Solución : De la TF, construida anteriormente para Z , se tiene:

𝑗 INTERVALO 𝑧𝑗′ 𝑓𝑗 𝑧𝑗′ 𝑓𝑗

1 [0.825, 0.855 > 0,84 5 4,2

2 [0.855, 0.885 > 0,87 7 6,09

3 [0.885, 0.915 > 0,9 10 9

4 [0.915, 0.945 > 0,93 5 4,65

5 [0.945, 0.975 > 0,96 2 1,92

6 [0.975, 1.005 ] 0,99 1 0,99

∑ = 26,85
∑6𝐽=1 𝑧𝑗′ 𝑓𝑗 26,85
⟹ 𝑍̅ = ∑6𝑗=1 𝑓𝑗
= 30
= 0,895 gr. de sílice

Interpretación : El promedio de gr. de sílice, por porción de mineral de hierro es 0,895

PROPIEDADES DE LA MEDIA ARITMÉTICA
Notación : La expresión ( 𝑥𝑖 − 𝑋̅ ) se leerá “desvío de la i-ésima observación respecto a
su media aritmética.

PROPIEDAD 1. La suma de los desvíos respecto a su media aritmética es cero.

∑𝑛𝑖=1 (𝑥𝑖 − 𝑋̅ ) = 0
PRUEBA : ( usando las propiedades de la sumatoria )
𝑛 ∑𝑛
𝑖=1 𝑥𝑖
∑𝑛𝑖=1 (𝑥𝑖 − 𝑋̅ ) = ∑𝑛𝑖=1 𝑥𝑖 − 𝑛𝑋̅ = − 𝑛𝑋̅ = 0
𝑛
Ejemplo

i 𝑥𝑖 ( 𝑥𝑖 − 𝑋̅ )
1 20 0,2
2 19 -0,8 𝐷𝑜𝑛𝑑𝑒 𝑋̅ = 19,8
3 21 1,2
4 19 -0,8
5 20 0,2

Σ = 99 Σ=0
PROPIEDAD 2. La suma de los cuadrados de los desvíos respecto a la media aritmética
es mínima.

∑𝑛𝑖=1(𝑥𝑖 − 𝑋̅ )2 < ∑𝑛𝑖=1(𝑥𝑖 − 𝐚)2 , donde a es cualquier valor, arbitrario

dentro del rango de la variable

Ejemplo :

i 𝑥𝑖 ( 𝑥𝑖 − 𝑋̅ )2 ( 𝑥𝑖 − 2)2 ( 𝑥𝑖 − 3)2
1 2 4 0 1
2 3 1 1 0
𝑑𝑜𝑛𝑑𝑒 𝑋̅ = 4
3 4 0 4 1
4 5 1 9 4
5 6 4 16 9

Σ =10 Σ =30 Σ =15

PROPIEDAD 3. La media aritmética de una constante por una variable, es igual a la
constante por la media aritmética de la variable.
Sea la variable X ; y la constante 𝒂 , entonces :
̅̅̅̅
𝑎𝑋 = 𝑎𝑋̅
PRUEBA : ( Por definición de la media aritmética y propiedades de sumatoria )
∑𝑛
𝑖=1 𝑎𝑥𝑖 𝑎 ∑𝑛
𝑖=1 𝑥𝑖
̅̅̅̅ =
𝑎𝑋 = = 𝑎𝑋̅
𝑛 𝑛

PROPIEDAD 4. La media aritmética de una variable más o menos una constante es

igual a la media aritmética de la variable más o menos la constante.
Sea la variable X y la constante 𝒂, entonces :

̅̅̅̅̅̅̅̅̅
𝑋 ± 𝑎 = 𝑋̅ ± 𝑎

PRUEBA : ( Por definición de la media aritmética y propiedades de sumatoria )

∑𝒏
𝒊=𝟏(𝒙𝒊 ± 𝒂) ∑𝒏
𝒊=𝟏 𝒙𝒊 + 𝒏 𝒂 ∑𝒏
𝒊=𝟏 𝒙𝒊
̅̅̅̅̅̅̅̅̅
𝑋± 𝑎 = = = ± a= ̅
X ±a
𝒏 𝒏 𝒏

PROPIEDAD 5. Si una muestra, de tamaño n , se divide en r submuestras y que

constituyan una partición de ésta, entonces la media total de la
muestra es igual a la suma de las medias de las submuestras,
ponderadas por sus respectivos tamaños, dividido entre el tamaño de
la muestra total.
 n = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑟
n
𝑛1 𝑛2 𝑛𝑟−1 𝑛𝑟
⋯
⃐1
𝑋 ̅̅̅
𝑋2 ̅̅̅̅̅̅
𝑋𝑟−1 ⃐𝑋𝑟

𝑋̅1 +𝑋̅2 + ⋯+𝑋̅𝑟

⇒ 𝑋̅ = 𝑛
∑𝑟1 𝑋̅ 𝑖 𝑛𝑖
= 𝑛

2. MEDIANA ( Me )

Es una medida de posición central cuyo valor supera al 50% de las observaciones
y es superado por el otro 50%

Notación:

𝑥(𝑖 ) = 𝑖 − é𝑠𝑖𝑚𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎 , 𝑒𝑛 𝑓𝑜𝑟𝑚𝑎 𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒 , 𝑝𝑜𝑟 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎

𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒.
Ejemplo: 𝑥( 1 ) = min { 𝑥𝑖 }
𝑥( 𝑛 ) = Máx { 𝑥𝑖 }

PROCEDIMIENTO DE CÁLCULO

° PARA DATOS NO AGRUPADOS ( Observaciones Originales )

Sea la variable X , con valores; x1 , x2 , ⋯ , xn . Entonces:
1° Ordenamos los datos en forma creciente.
2° Evaluamos la siguiente expresión:
𝑥 𝑛+1 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
( ) ,
2
𝑀𝑒 =
𝑥( 𝑛
) +
𝑥( 𝑛
+1 )
2 2
{ , 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
2
Ejemplo 1.- Sean 𝑥1 = 2 , 𝑥2 = 4 , 𝑥3 = 3
⟹ 𝑥(1) = 2 , 𝑥(2) = 3 , 𝑥(3) = 4
⟹ 𝑀𝑒 = 𝑥( 𝑛+1 ) = 𝑥 = 3
2 (2)

Interpretación : El valor que supera al 50% de las observaciones y es superado por el otro
50% es 3.

Ejemplo 2.- Sean 𝑥1 = 2 , 𝑥2 = 4 , 𝑥3 = 3, 𝑥4 = 3

⟹ 𝑥(1) = 2 , 𝑥(2) = 3 , 𝑥(3) = 3 , 𝑥(4) = 4

𝑥 𝑛 𝑥 𝑛
( ) + ( +1 )
2 2
⟹ 𝑀𝑒 = 2

𝑥( 2 ) + 𝑥( 3 )
⟹ 𝑀𝑒 =
2

3+3
⟹ 𝑀𝑒 = 2
=3

Interpretación : El valor que supera al 50% de las observaciones y es superado por el otro
50% es 3.

° PARA DATOS AGRUPADOS ( TF )

CUANDO NO SE TIENEN INTERVALOS DE CLASE
Consideraremos, en este caso los criterios para datos no agrupados, pues este tipo
de TF permite identificar cada uno de los valores originales. Entonces :
 1° La TF presenta ya un ordenamiento, natural, creciente.
2° Ubicar en la TF el valor correspondiente a 𝑀𝑒, según sea n Par o Impar.
Ejemplo.- De la TF, para la variable Y = Número de artículos defectuosos por lote.
Determine la mediana.
Solución: De la TF, se tiene para 𝑛 = 20
𝑦 𝑛 + 𝑦 𝑛 𝑦 20 + 𝑦 20
( )
2
( +1)
2
(
2
) (
2
+1) 𝑦(10) + 𝑦(11) 2+2
𝑀𝑒 = 2
= 2
= 2
= 2
= 2 𝑎𝑟𝑡. 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠

Interpretación: El número de artículos defectuosos que supera al 50% de

las observaciones y es superado por el otro 50% es 2.

CUANDO SE TIENEN INTERVALOS DE CLASE

1° Determinar la clase mediana j ( intervalo donde se encuentra la mediana ),
𝑛
ubicando la menor de las 𝐹𝑗 /. 𝐹𝑗 ≥ 2 .
2° Evaluar la siguiente expresión:
𝑛
− 𝐹𝑗−1
2
𝑀𝑒 = 𝐿𝑗 + 𝑐𝑗 ( ) ; 𝑑𝑜𝑛𝑑𝑒:
𝐹𝑗 − 𝐹𝑗−1

𝐿𝑗 = 𝐿𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎

𝐹𝑗 = 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
𝐹𝑗−1 = 𝐹𝑟𝑒𝑐. 𝑎𝑏𝑠. 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑙 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
𝑐𝑗 = 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
𝑛 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
Ejemplo.- De la TF, para la variable Z = Cantidad de gr. de sílice en una porción
de mineral de hierro. Determine la mediana.

Solución: De la TF.
1º Determinamos la clase mediana 𝑗 :
𝑛 30
Si = = 15 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑗 = 3
2 2

Esto es [ 0.885 , 0.915 ⟩

2° Se tiene: 𝐿3 = 0,885
𝑐3 = 0,03
𝐹3 = 22
𝐹2 = 12
15 − 12
⟹ 𝑀𝑒 = 0,885 + 0,03 (22 − 12
) = 0,894 𝑔𝑟𝑠. 𝑑𝑒 𝑠í𝑙𝑖𝑐𝑒

Interpretación: La cantidad de gr. de sílice, por porción de mineral, que supera al

50% de las observaciones y es superado por el otro 50% es 0,894
3. MODA
Es otro tipo de promedio. Definido como el valor de la variable que más se repite.
Notación : 𝑀𝑜
PROCEDIMIENTO DE CÁLCULO

° PARA DATOS NO AGRUPADOS ( Observaciones Originales )

Sea la variable X , con valores; x1 , x2 , ⋯ , xn . Entonces:
Por simple inspección determinamos el valor o los valores de la variable que más se
repiten
Ejemplo 1.- Sean 𝑥1 = 9 , 𝑥2 = 15 , 𝑥3 = 12 , 𝑥4 = 8 , 𝑥5 = 7 , 𝑥6 = 19 , 𝑥7 = 12 , 𝑥8 = 7 ,
𝑥9 = 12 , 𝑥10 = 14 . Determine el valor modal.
Solución:
Ordenando los datos, se tiene:
 7 7 8 9 12 12 12 14 15 19
⟹ 𝑀𝑜 = 12
Interpretación : El valor que más se repite es 12.
Obs.: En este caso se dice que la variable ( o el grupo ) es unimodal

Ejemplo 2.- Sean 𝑥1 = 12 , 𝑥2 = 16 , 𝑥3 = 14 , 𝑥4 = 9 , 𝑥5 = 7 , 𝑥6 = 9 , 𝑥7 = 6 , 𝑥8 = 5 ,

𝑥9 = 8 , 𝑥10 = 12 . Determine el valor modal.
Solución:
Ordenando los datos, se tiene:
5 6 7 8 9 9 12 12 14 16
⟹ 𝑀𝑜1 = 9 , 𝑀𝑜2 = 12
Interpretación : Los valores que más se repiten son: 9 y 12.
Obs.: En este caso se dice que la variable ( o el grupo ) es bimodal. Esto se
interpreta como que hay dos tendencias distintas, es decir que habrían dos
grupos.

° PARA DATOS AGRUPADOS ( TF )

CUANDO NO SE TIENEN INTERVALOS DE CLASE
En este caso solo habría que identificar en la TF, la clase modal ( sub agrupación
con la mayor 𝑓𝑖 ) para obtener 𝑀𝑜

Ejemplo.- De la TF, para la variable Y = Número de artículos defectuosos por lote.

Determine la moda.
Solución: De la TF
La clase modal corresponde a j = 3
∴ 𝑀𝑜 = 2 , 𝑎𝑟𝑡. 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 𝑝𝑜𝑟 𝑙𝑜𝑡𝑒
Interpretación: El número de art. defectuosos por lote, que más se repite es 2.

CUANDO SE TIENEN INTERVALOS DE CLASE

1° Determinar la clase modal j ( intervalo donde se encuentra la moda ), ubicando
el mayor valor de 𝑓𝑗 .
2° Evaluar la siguiente expresión:
∆1
𝑀𝑜 = 𝐿𝑗 + 𝑐𝑗 ( ) ; 𝑑𝑜𝑛𝑑𝑒:
∆1 +∆2

∆1 = 𝑓𝑗 − 𝑓𝑗−1
∆2 = 𝑓𝑗 − 𝑓𝑗+1
𝐿𝑗 = 𝐿𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑜𝑑𝑎
𝑐𝑗 = 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑜𝑑𝑎
𝑓𝑗 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑎 𝑠𝑖𝑚𝑝𝑙𝑒 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑒 𝑎 𝑙𝑎 𝑚𝑜𝑑𝑎
𝑓𝑗−1 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑏𝑠. 𝑠𝑖𝑚𝑝𝑙𝑒 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑚𝑜𝑑𝑎𝑙 𝑚𝑜𝑑𝑎𝑙.
𝑓𝑗+1 = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑎𝑏𝑠. 𝑠𝑖𝑚𝑝𝑙𝑒 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑚𝑜𝑑𝑎𝑙 𝑚𝑜𝑑𝑎𝑙.
𝑛 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Ejemplo.- De la TF, para la variable Z = Cantidad de gr. de sílice en una porción

de mineral de hierro. Determine la moda.

Solución: De la TF.
1º Determinamos la clase modal 𝑗 :
 Intervalo con la mayor 𝑓𝑗 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑗 = 3
Esto es [ 0.885 , 0.915 ⟩
2° Evaluamos la expresión:
∆1
𝑀𝑜 = 𝐿𝑗 + 𝑐𝑗 ( )
∆1 +∆2

∆1 = 𝑓𝑗 − 𝑓𝑗−1
∆2 = 𝑓𝑗 − 𝑓𝑗+1
Se tiene: 𝐿3 = 0,885
𝑐3 = 0,03
∆1 = 𝑓3 − 𝑓2 = 10 − 7 = 3
∆2 = 𝑓3 − 𝑓4 = 10 − 5 = 5

3
⟹ 𝑀𝑜 = 0,885 + 0,03 ( ) = 0,89625 ≐ 0,896 𝑔𝑟𝑠. 𝑑𝑒 𝑠í𝑙𝑖𝑐𝑒
3+5

Interpretación: La cantidad de gr. de sílice, por porción de mineral, que más se

repite es 0,896

USO DE LOS ESTADIGRAFOS DE POSICIÓN CENTRAL

MEDIA ARITMETICA
• Cuando se tienen todas las observaciones.
• Cuando en el conjunto de las observaciones no existen valores extremos ( outliers ).
• Cuando la distribución es simétrica.
MEDIANA
• Cuando no se cuentan con todas las observaciones.
• Cuando en el conjunto de las observaciones existen valores extremos.
• Cuando la distribución es asimétrica.
MODA
• Cuando solamente nos interesamos acerca del grupo mayoritario.
• Cuando la distribución es unimodal
RELACIÓN ENTRE LA MEDIA ARITMÉTICA, MEDIANA Y MODA

• Si 𝑀𝑒𝑑𝑖𝑎 𝐴𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 = 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 𝑀𝑜𝑑𝑎 ⇒ 𝐿𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑠 𝑆𝐼𝑀É𝑇𝑅𝐼𝐶𝐴

𝑋 = 𝑀𝑒 = 𝑀𝑜
• Si 𝑀𝑒𝑑𝑖𝑎 𝐴𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 < 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 < 𝑀𝑜𝑑𝑎 ⇒ 𝐿𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑠 𝐴𝑆𝐼𝑀É𝑇𝑅𝐼𝐶𝐴 𝑁𝐸𝐺𝐴𝑇𝐼𝑉𝐴

𝑋 𝑀𝑒 𝑀𝑜
• Si 𝑀𝑒𝑑𝑖𝑎 𝐴𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 > 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 > 𝑀𝑜𝑑𝑎 ⇒ 𝐿𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑠 𝐴𝑆𝐼𝑀É𝑇𝑅𝐼𝐶𝐴 𝑃𝑂𝑆𝐼𝑇𝐼𝑉𝐴

𝑀𝑜 𝑀𝑒 𝑋