Professional Documents
Culture Documents
Int xi fi xi · fi
10- 20 15 1 15
20- 30 25 8 200
Ejemplo: Cálculo de la media aritmética de
30-40 35 10 350 la distribución:
40-50 45 9 405 n
X 1820
50-60 55 8 440 x̄ = f i · Xi = = 43,33
i=1 42
60-70 65 4 260
70-80 75 2 150
42 1 820
P
1
1.1.2. Mediana
Es una medida de tendencia central que divide la totalidad de datos en 50 % en un
conjunto de datos ordenados. Para su cálculo pueden darse varios casos:
Me = x (n+1)
2
Me = x (n+1) = x 9+1 = x5 = 5
2 2
Me = (x n2 + x n2 +1 )/2
9 + 10
Me = (x n2 + x n2 +1 )/2 = (x 6 + x 6 +1 )/2 = = 9,5
2 2 2
Int xi fi Ejemplo:
20-25 15 2
n 20
= = 10 ubicar en el intervalo
25-30 25 8 2 2
n
30-35 35 10 Li + 2
− Fi−1 25 + 10 − 2
Me = = = 2,2
20 fi 15
P
2
1.1.3. Moda
Proporciona información sobre el lugar donde se encuentra concentrada la mayor
cantidad de datos de una distribución, o el dato que más se repite.
Cálculo para serie simple
Simplemente se observa el dato que más aparece.
Int xi fi Ejemplo:
20-25 15 2
25-30 25 8 fi − fi−1
Mo = Li + ∗A
30-35 35 10 (fi − fi−1 ) + (fi − fi+1 )
35-40 40 5 10 − 8
10 + ∗ 5 = 11,43
25
P
(10 − 8) + (10 − 5)
1.2. Varianza
es una medida de dispersión definida como la esperanza del cuadrado de la desvia-
ción de dicha variable respecto a su media. La varianza tiene como valor mı́nimo 0. Hay
que tener en cuenta que la varianza puede verse muy influida por los valores atı́picos y
no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas
pesadas. En tales casos se recomienda el uso de otras medidas de dispersión más ro-
bustas.
i=1 n
3
1.3. Covarianza
La covarianza es un valor que indica el grado de variación conjunta de dos variables
aleatorias. Es el dato básico para determinar si existe una dependencia entre ambas va-
riables y además es el dato necesario para estimar otros parámetros básicos, como el
coeficiente de correlación lineal o la recta de regresión.