SlideShare una empresa de Scribd logo
1 de 15
MODA
• LA MODA ES EL VALOR QUE TIENE MAYOR FRECUENCIA ABSOLUTA.
• SE REPRESENTA POR MO.
• SE PUEDE HALLAR LA MODA PARA VARIABLES CUALITATIVAS Y CUANTITATIVAS.
• HALLAR LA MODA DE LA DISTRIBUCIÓN:
• 2, 3, 3, 4, 4, 4, 5, 5 MO= 4
• SI EN UN GRUPO HAY DOS O VARIAS PUNTUACIONES CON LA MISMA FRECUENCIA Y ESA FRECUENCIA
ES LA MÁXIMA, LA DISTRIBUCIÓN ES BIMODAL O MULTIMODAL, ES DECIR, TIENE VARIAS MODAS.
• 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9MO= 1, 5, 9
• CUANDO TODAS LAS PUNTUACIONES DE UN GRUPO TIENEN LA MISMA FRECUENCIA, NO HAY MODA.
• 2, 2, 3, 3, 6, 6, 9, 9
• SI DOS PUNTUACIONES ADYACENTES TIENEN LA FRECUENCIA MÁXIMA, LA MODAES EL PROMEDIO DE LAS
DOS PUNTUACIONES ADYACENTES.
0, 1, 3, 3, 5, 5, 7, 8MO = 4
MEDIANA
• ES EL VALOR QUE OCUPA EL LUGAR CENTRAL DE TODOS LOS DATOS CUANDO ÉSTOS ESTÁN ORDENADOS DE MENOR A MAYOR.
LA MEDIANA SE REPRESENTA POR ME. LA MEDIANA SE PUEDE HALLAR SÓLO PARA VARIABLES CUANTITATIVAS.
• CÁLCULO DE LA MEDIANA
1 .ORDENAMOS LOS DATOS DE MENOR A MAYOR.
2 SI LA SERIE TIENE UN NÚMERO IMPAR DE MEDIDAS LA MEDIANA ES LA PUNTUACIÓN CENTRAL DE LA MISMA.
2, 3, 4, 4, 5, 5, 5, 6, 6ME= 5
3 SI LA SERIE TIENE UN NÚMERO PAR DE PUNTUACIONES LA MEDIANA ES LA MEDIA ENTRE LAS DOS PUNTUACIONES CENTRALES.
7, 8, 9, 10, 11, 12ME= 9.5
PROMEDIO
EL CONCEPTO DE PROMEDIO SE VINCULA A LA MEDIA ARITMÉTICA, QUE CONSISTE EN EL RESULTADO QUE SE
OBTIENE AL GENERAR UNA DIVISIÓN CON LA SUMATORIA DE DIVERSAS CANTIDADES POR EL DÍGITO QUE
LAS REPRESENTE EN TOTAL. CLARO QUE ESTA NOCIÓN TAMBIÉN SE UTILIZA PARA NOMBRAR AL PUNTO EN
QUE ALGO PUEDE SER DIVIDIDO POR LA MITAD O CASI POR EL MEDIO Y PARA REFERIRSE AL TÉRMINO MEDIO
DE UNA COSA O SITUACIÓN.
El promedio, por lo tanto, es un número finito que puede obtenerse a partir
de la sumatoria de diferentes valores dividida entre el número de sumandos.
Por ejemplo: si en una cena, ocho personas beben cinco litros de vino, puede
decirse que los comensales han bebido un promedio de 1,6 litros de vino
por persona.
MEDIDAS DE DISPERSIÓN
• TAMBIÉN LLAMADAS MEDIDAS DE VARIABILIDAD, MUESTRAN LA VARIABILIDAD DE UNA DISTRIBUCIÓN, INDICANDO
POR MEDIO DE UN NÚMERO SI LAS DIFERENTES PUNTUACIONES DE UNA VARIABLE ESTÁN MUY ALEJADAS DE
LA MEDIA. CUANTO MAYOR SEA ESE VALOR, MAYOR SERÁ LA VARIABILIDAD, Y CUANTO MENOR SEA, MÁS HOMOGÉNEA
SERÁ A LA MEDIA. ASÍ SE SABE SI TODOS LOS CASOS SON PARECIDOS O VARÍAN MUCHO ENTRE ELLOS.
PARA CALCULAR LA VARIABILIDAD QUE UNA DISTRIBUCIÓN TIENE RESPECTO DESU MEDIA, SE CALCULA LA MEDIA DE
LAS DESVIACIONES DE LAS PUNTUACIONES RESPECTO A LA MEDIA ARITMÉTICA. PERO LA SUMA DE LAS DESVIACIONES
ES SIEMPRE CERO, ASÍ QUE SE ADOPTAN DOS CLASES DE ESTRATEGIAS PARA SALVAR ESTE PROBLEMA. UNA ES
TOMANDO LAS DESVIACIONES EN VALOR ABSOLUTO (DESVIACIÓN MEDIA) Y OTRA ES TOMANDO LAS DESVIACIONES AL
CUADRADO (VARIANZA).
RANGO
• RANGO ES EL INTERVALO ENTRE EL VALOR MÁXIMO Y EL VALOR MÍNIMO; POR ELLO,
COMPARTE UNIDADES CON LOS DATOS. PERMITE OBTENER UNA IDEA DE LA DISPERSIÓN DE LOS DATOS,
CUANTO MAYOR ES EL RANGO, MÁS DISPERSOS ESTÁN LOS DATOS DE UN CONJUNTO.
LA DIFERENCIA ENTRE EL MENOR Y EL MAYOR VALOR.
EN {4, 6, 9, 3, 7} EL MENOR VALOR ES 3, Y EL MAYOR ES 9, ENTONCES EL RANGO ES 9-3 IGUAL A 6.
DESVIACIÓN ESTÁNDAR
• LA DESVIACIÓN ESTÁNDAR (O DESVIACIÓN TÍPICA) ES UNA MEDIDA DE DISPERSIÓN PARA VARIABLES DE
RAZÓN (RATIO O COCIENTE) Y DE INTERVALO, DE GRAN UTILIDAD EN LA ESTADÍSTICA DESCRIPTIVA. ES
UNA MEDIDA (CUADRÁTICA) DE LO QUE SE APARTAN LOS DATOS DE SU MEDIA, Y POR TANTO, SE MIDE EN
LAS MISMAS UNIDADES QUE LA VARIABLE.
RELACIONES MEDIDAS DE DISPERSION
• AMPLITUD DE VARIACIÓN: TAL INTERVALO ESPECIAL SE UTILIZA AMPLIAMENTE EN LAS APLICACIONES DEL CONTROL
ESTADÍSTICO DE PROCESOS.
• VARIANCIA Y DESVIACIÓN ESTÁNDAR: SE BASAN EN LAS DESVIACIONES AL CUADRADO CON RESPECTO A LA MEDIA.
• LA DESVIACIÓN ESTÁNDAR POBLACIONAL ES EL PROMEDIO DE LAS DESVIACIONES RESPECTO DE LA MEDIA, SE
PRESENTA EN LAS MISMAS UNIDADES QUE LOS DATOS.
• LA DESVIACIÓN ESTÁNDAR MUESTRAL SE UTILIZA COMO UN ESTIMADOR, ES LA RAÍZ CUADRADA DE LA VARIANCIA
MUESTRAL
• LAS RELACIONES DE MEDIDAS DE DISPERSIÓN LAS MEDIAS DE TENDENCIA CENTRAL O POSICIÓN NOS INDICAN
DONDE SE SITÚA UN DATO DENTRO DE UNA DISTRIBUCIÓN DE DATOS. LAS MEDIDAS DE DISPERSIÓN,
VARIABILIDAD O VARIACIÓN NOS INDICAN SI ESOS DATOS ESTÁN PRÓXIMOS ENTRE SÍ O SÍ ESTÁN DISPERSOS,
ES DECIR, NOS INDICAN CUÁN ESPARCIDOS SE ENCUENTRAN LOS DATOS. ESTAS MEDIDAS DE DISPERSIÓN NOS
PERMITEN APRECIAR LA DISTANCIA QUE EXISTE ENTRE LOS DATOS A UN CIERTO VALOR CENTRAL E
IDENTIFICAR LA CONCENTRACIÓN DE LOS MISMOS EN UN CIERTO SECTOR DE LA DISTRIBUCIÓN, ES DECIR,
PERMITEN ESTIMAR CUÁN DISPERSAS ESTÁN DOS O MÁS DISTRIBUCIONES DE DATOS.
• ESTAS MEDIDAS PERMITEN EVALUAR LA CONFIABILIDAD DEL VALOR DEL DATO CENTRAL DE UN CONJUNTO DE
DATOS, SIENDO LA MEDIA ARITMÉTICA EL DATO CENTRAL MÁS UTILIZADO. CUANDO EXISTE UNA DISPERSIÓN
PEQUEÑA SE DICE QUE LOS DATOS ESTÁN DISPERSOS O ACUMULADOS CERCANAMENTE RESPECTO A UN VALOR
CENTRAL, EN ESTE CASO EL DATO CENTRAL ES UN VALOR MUY REPRESENTATIVO. EN EL CASO QUE LA
DISPERSIÓN SEA GRANDE EL VALOR CENTRAL NO ES MUY CONFIABLE. CUANDO UNA DISTRIBUCIÓN DE DATOS
TIENE POCA DISPERSIÓN TOMA EL NOMBRE DE DISTRIBUCIÓN HOMOGÉNEA Y SI SU DISPERSIÓN ES ALTA SE
LLAMA HETEROGÉNEA.
POBLACIÓN Y MUESTRA
POBLACION
• ES EL CONJUNTO DE ELEMENTOS DE REFERENCIA
SOBRE EL QUE SE REALIZAN LASOBSERVACIONES
• NORMALMENTE ES DEMASIADO GRANDE PARA
PODER ABARCARLA, MOTIVO POR EL CUAL SE
PUEDE HACER NECESARIA LA EXTRACCIÓN DE
UNAMUESTRA DE ÉSTA.
MUESTRA
• ES UN SUBCONJUNTO DE CASOS O INDIVIDUOS
DE UNA POBLACIÓN ESTADÍSTICA.
• LAS MUESTRAS SE OBTIENEN CON LA INTENCIÓN
DE INFERIR PROPIEDADES DE LA TOTALIDAD DE
LA POBLACIÓN
POBLACIÓN Y MUESTRA.LA POBLACION Y LA MUESTRA TIENE ALGO EN COMUN LA CUAL ES QUE LA MUESTRA TOMA SUS OBJETIVOS DE LA POBLACION, LA
POBLACION NECESITA DE LA MUESTRA PARA REALIZAR LOS CALCULOS NECESARIOS.

Más contenido relacionado

La actualidad más candente

INFORME DEL EXAMEN DE ORINA
INFORME DEL EXAMEN DE ORINAINFORME DEL EXAMEN DE ORINA
INFORME DEL EXAMEN DE ORINACriscisne Pardo
 
Aclaramiento renal
Aclaramiento renalAclaramiento renal
Aclaramiento renalIris Peraza
 
Aspartato aminotransferasa
Aspartato aminotransferasaAspartato aminotransferasa
Aspartato aminotransferasafggf
 
Control de calidad en laboratorio clinico ok
Control de calidad en laboratorio clinico okControl de calidad en laboratorio clinico ok
Control de calidad en laboratorio clinico okeddynoy velasquez
 
depuración o aclaramiento renal
depuración o aclaramiento renaldepuración o aclaramiento renal
depuración o aclaramiento renalarmandopartida
 
Sedimento urinario 2
Sedimento urinario 2Sedimento urinario 2
Sedimento urinario 2lauratobiya
 
Calibraciones, formas de calculo y materiales
Calibraciones, formas de calculo y materialesCalibraciones, formas de calculo y materiales
Calibraciones, formas de calculo y materialesWilfredo Gochez
 
Proteínas plasmáticas. electroforesis de proteínas séricas
Proteínas plasmáticas. electroforesis de proteínas séricasProteínas plasmáticas. electroforesis de proteínas séricas
Proteínas plasmáticas. electroforesis de proteínas séricasYanina G. Muñoz Reyes
 
Examen microscópico de la orina
Examen microscópico de la orinaExamen microscópico de la orina
Examen microscópico de la orinaDani Carito
 
Sedimento urinario 2010
Sedimento urinario 2010Sedimento urinario 2010
Sedimento urinario 2010LAB IDEA
 
Metodos espectroscopicos
Metodos espectroscopicosMetodos espectroscopicos
Metodos espectroscopicosDerly Morales
 

La actualidad más candente (20)

1º clase. Tema nº 1.
1º clase. Tema nº 1.1º clase. Tema nº 1.
1º clase. Tema nº 1.
 
INFORME DEL EXAMEN DE ORINA
INFORME DEL EXAMEN DE ORINAINFORME DEL EXAMEN DE ORINA
INFORME DEL EXAMEN DE ORINA
 
Aclaramiento renal
Aclaramiento renalAclaramiento renal
Aclaramiento renal
 
Transaminasa gpt en suero
Transaminasa gpt en sueroTransaminasa gpt en suero
Transaminasa gpt en suero
 
Aspartato aminotransferasa
Aspartato aminotransferasaAspartato aminotransferasa
Aspartato aminotransferasa
 
Exposicion espectro infrarrojo v
Exposicion espectro infrarrojo vExposicion espectro infrarrojo v
Exposicion espectro infrarrojo v
 
Control de calidad en laboratorio clinico ok
Control de calidad en laboratorio clinico okControl de calidad en laboratorio clinico ok
Control de calidad en laboratorio clinico ok
 
Turbidimetria y Nefelometria
Turbidimetria y NefelometriaTurbidimetria y Nefelometria
Turbidimetria y Nefelometria
 
depuración o aclaramiento renal
depuración o aclaramiento renaldepuración o aclaramiento renal
depuración o aclaramiento renal
 
NOMENCLATURA DE LOS ENZIMAS
NOMENCLATURA DE LOS ENZIMASNOMENCLATURA DE LOS ENZIMAS
NOMENCLATURA DE LOS ENZIMAS
 
Sedimento urinario 2
Sedimento urinario 2Sedimento urinario 2
Sedimento urinario 2
 
Calibraciones, formas de calculo y materiales
Calibraciones, formas de calculo y materialesCalibraciones, formas de calculo y materiales
Calibraciones, formas de calculo y materiales
 
Proteínas plasmáticas. electroforesis de proteínas séricas
Proteínas plasmáticas. electroforesis de proteínas séricasProteínas plasmáticas. electroforesis de proteínas séricas
Proteínas plasmáticas. electroforesis de proteínas séricas
 
Química clínica
Química clínicaQuímica clínica
Química clínica
 
Examen microscópico de la orina
Examen microscópico de la orinaExamen microscópico de la orina
Examen microscópico de la orina
 
Sedimento urinario 2010
Sedimento urinario 2010Sedimento urinario 2010
Sedimento urinario 2010
 
Marcadores tumorales
Marcadores tumoralesMarcadores tumorales
Marcadores tumorales
 
Metodos espectroscopicos
Metodos espectroscopicosMetodos espectroscopicos
Metodos espectroscopicos
 
Bioquimica Clinica
Bioquimica ClinicaBioquimica Clinica
Bioquimica Clinica
 
Pruebas de la función hepatica
Pruebas de la función hepaticaPruebas de la función hepatica
Pruebas de la función hepatica
 

Destacado

Automotive Business Manager Bury St Edmunds
Automotive Business Manager Bury St EdmundsAutomotive Business Manager Bury St Edmunds
Automotive Business Manager Bury St EdmundsDarren Roach
 
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDA
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDARobert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDA
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDARobert James
 
пирожкова арина торговля идея
пирожкова арина торговля идеяпирожкова арина торговля идея
пирожкова арина торговля идеяАрина Пирожкова
 
principios morales y religiosos de la salud
principios morales y religiosos de la saludprincipios morales y religiosos de la salud
principios morales y religiosos de la saludmariana5252
 
АхметовадаНа+гостиница+идея
АхметовадаНа+гостиница+идеяАхметовадаНа+гостиница+идея
АхметовадаНа+гостиница+идеяДана Ахметова
 
Nate Cho Resume
Nate Cho ResumeNate Cho Resume
Nate Cho ResumeNate CHO
 
"VIE" cosmetics
"VIE" cosmetics"VIE" cosmetics
"VIE" cosmeticspeko6451
 
Power Point pigmeus
Power Point pigmeusPower Point pigmeus
Power Point pigmeussergirigat
 
COLOSTRUM - Πρωτόγαλα Αγελάδας
COLOSTRUM - Πρωτόγαλα ΑγελάδαςCOLOSTRUM - Πρωτόγαλα Αγελάδας
COLOSTRUM - Πρωτόγαλα Αγελάδαςpeko6451
 
A lua de joana
A lua de joana A lua de joana
A lua de joana Ana Sousa
 
Lymphoid lesions
Lymphoid lesionsLymphoid lesions
Lymphoid lesionsIAU Dent
 
Continuous Delivery @ FriendScout24 | Webinale 2012
Continuous Delivery @ FriendScout24 | Webinale 2012Continuous Delivery @ FriendScout24 | Webinale 2012
Continuous Delivery @ FriendScout24 | Webinale 2012Michael Maretzke
 

Destacado (16)

Automotive Business Manager Bury St Edmunds
Automotive Business Manager Bury St EdmundsAutomotive Business Manager Bury St Edmunds
Automotive Business Manager Bury St Edmunds
 
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDA
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDARobert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDA
Robert Barson handed down JUDGEMENT in Law Suit SEMINOLE COUNTY FLORIDA
 
2 Презентация
2 Презентация 2 Презентация
2 Презентация
 
Wow revision
Wow revisionWow revision
Wow revision
 
пирожкова арина торговля идея
пирожкова арина торговля идеяпирожкова арина торговля идея
пирожкова арина торговля идея
 
principios morales y religiosos de la salud
principios morales y religiosos de la saludprincipios morales y religiosos de la salud
principios morales y religiosos de la salud
 
АхметовадаНа+гостиница+идея
АхметовадаНа+гостиница+идеяАхметовадаНа+гостиница+идея
АхметовадаНа+гостиница+идея
 
Pasik
PasikPasik
Pasik
 
Nate Cho Resume
Nate Cho ResumeNate Cho Resume
Nate Cho Resume
 
"VIE" cosmetics
"VIE" cosmetics"VIE" cosmetics
"VIE" cosmetics
 
Power Point pigmeus
Power Point pigmeusPower Point pigmeus
Power Point pigmeus
 
Ref Dave Smith
Ref Dave SmithRef Dave Smith
Ref Dave Smith
 
COLOSTRUM - Πρωτόγαλα Αγελάδας
COLOSTRUM - Πρωτόγαλα ΑγελάδαςCOLOSTRUM - Πρωτόγαλα Αγελάδας
COLOSTRUM - Πρωτόγαλα Αγελάδας
 
A lua de joana
A lua de joana A lua de joana
A lua de joana
 
Lymphoid lesions
Lymphoid lesionsLymphoid lesions
Lymphoid lesions
 
Continuous Delivery @ FriendScout24 | Webinale 2012
Continuous Delivery @ FriendScout24 | Webinale 2012Continuous Delivery @ FriendScout24 | Webinale 2012
Continuous Delivery @ FriendScout24 | Webinale 2012
 

Similar a Medidas estadísticas descriptivas

Medidas de dispercion
Medidas de dispercionMedidas de dispercion
Medidas de dispercionYendry Lopez
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadisticaomgmrcc
 
Estadistica
EstadisticaEstadistica
Estadisticaomgmrcc
 
Presentación medida de dispersión
Presentación medida de dispersiónPresentación medida de dispersión
Presentación medida de dispersiónJenny Colmenares
 
Presentación medida de dispersión
Presentación medida de dispersiónPresentación medida de dispersión
Presentación medida de dispersiónJenny Colmenares
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadisticadrakerccg
 
Presentación estadistica 2015 (2)
Presentación estadistica 2015 (2)Presentación estadistica 2015 (2)
Presentación estadistica 2015 (2)Carlos Medina
 
Presentacion medidas de dispersion
Presentacion medidas de dispersionPresentacion medidas de dispersion
Presentacion medidas de dispersionFatima Branco
 
Medidas de dispersion - Liliana Egañe
Medidas de dispersion - Liliana EgañeMedidas de dispersion - Liliana Egañe
Medidas de dispersion - Liliana Egañeliliana egañe
 
Medidas de dispersión
Medidas de dispersiónMedidas de dispersión
Medidas de dispersiónreimer gomez
 

Similar a Medidas estadísticas descriptivas (20)

La moda
La  moda La  moda
La moda
 
Medidas de dispercion
Medidas de dispercionMedidas de dispercion
Medidas de dispercion
 
Medidas de dispersion
Medidas de dispersionMedidas de dispersion
Medidas de dispersion
 
Medidas de dispersion
Medidas de dispersionMedidas de dispersion
Medidas de dispersion
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadistica
 
Medidasdedispersion
MedidasdedispersionMedidasdedispersion
Medidasdedispersion
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Presentación1
Presentación1Presentación1
Presentación1
 
Presentación medida de dispersión
Presentación medida de dispersiónPresentación medida de dispersión
Presentación medida de dispersión
 
Presentación medida de dispersión
Presentación medida de dispersiónPresentación medida de dispersión
Presentación medida de dispersión
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadistica
 
Presentación estadistica 2015 (2)
Presentación estadistica 2015 (2)Presentación estadistica 2015 (2)
Presentación estadistica 2015 (2)
 
Medidas de Dispersion
Medidas de DispersionMedidas de Dispersion
Medidas de Dispersion
 
Presentacion medidas de dispersion
Presentacion medidas de dispersionPresentacion medidas de dispersion
Presentacion medidas de dispersion
 
Medidas de dispersion - Liliana Egañe
Medidas de dispersion - Liliana EgañeMedidas de dispersion - Liliana Egañe
Medidas de dispersion - Liliana Egañe
 
Edwin alcala
Edwin alcalaEdwin alcala
Edwin alcala
 
Medidas de dispersión
Medidas de dispersiónMedidas de dispersión
Medidas de dispersión
 
Medidas de dispersion
Medidas de dispersionMedidas de dispersion
Medidas de dispersion
 
Medidas de Dispersion
Medidas de DispersionMedidas de Dispersion
Medidas de Dispersion
 
Edwin alcala
Edwin alcalaEdwin alcala
Edwin alcala
 

Último

INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptxdeimerhdz21
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADauxsoporte
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularMooPandrea
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxYadi Campos
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdfDemetrio Ccesa Rayme
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
plan de capacitacion docente AIP 2024 clllll.pdf
plan de capacitacion docente  AIP 2024          clllll.pdfplan de capacitacion docente  AIP 2024          clllll.pdf
plan de capacitacion docente AIP 2024 clllll.pdfenelcielosiempre
 
Éteres. Química Orgánica. Propiedades y reacciones
Éteres. Química Orgánica. Propiedades y reaccionesÉteres. Química Orgánica. Propiedades y reacciones
Éteres. Química Orgánica. Propiedades y reaccionesLauraColom3
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 

Último (20)

INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circular
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdf
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
plan de capacitacion docente AIP 2024 clllll.pdf
plan de capacitacion docente  AIP 2024          clllll.pdfplan de capacitacion docente  AIP 2024          clllll.pdf
plan de capacitacion docente AIP 2024 clllll.pdf
 
Éteres. Química Orgánica. Propiedades y reacciones
Éteres. Química Orgánica. Propiedades y reaccionesÉteres. Química Orgánica. Propiedades y reacciones
Éteres. Química Orgánica. Propiedades y reacciones
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 

Medidas estadísticas descriptivas

  • 1.
  • 2.
  • 3.
  • 4. MODA • LA MODA ES EL VALOR QUE TIENE MAYOR FRECUENCIA ABSOLUTA. • SE REPRESENTA POR MO. • SE PUEDE HALLAR LA MODA PARA VARIABLES CUALITATIVAS Y CUANTITATIVAS. • HALLAR LA MODA DE LA DISTRIBUCIÓN: • 2, 3, 3, 4, 4, 4, 5, 5 MO= 4 • SI EN UN GRUPO HAY DOS O VARIAS PUNTUACIONES CON LA MISMA FRECUENCIA Y ESA FRECUENCIA ES LA MÁXIMA, LA DISTRIBUCIÓN ES BIMODAL O MULTIMODAL, ES DECIR, TIENE VARIAS MODAS. • 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9MO= 1, 5, 9 • CUANDO TODAS LAS PUNTUACIONES DE UN GRUPO TIENEN LA MISMA FRECUENCIA, NO HAY MODA. • 2, 2, 3, 3, 6, 6, 9, 9
  • 5. • SI DOS PUNTUACIONES ADYACENTES TIENEN LA FRECUENCIA MÁXIMA, LA MODAES EL PROMEDIO DE LAS DOS PUNTUACIONES ADYACENTES. 0, 1, 3, 3, 5, 5, 7, 8MO = 4
  • 6. MEDIANA • ES EL VALOR QUE OCUPA EL LUGAR CENTRAL DE TODOS LOS DATOS CUANDO ÉSTOS ESTÁN ORDENADOS DE MENOR A MAYOR. LA MEDIANA SE REPRESENTA POR ME. LA MEDIANA SE PUEDE HALLAR SÓLO PARA VARIABLES CUANTITATIVAS. • CÁLCULO DE LA MEDIANA 1 .ORDENAMOS LOS DATOS DE MENOR A MAYOR. 2 SI LA SERIE TIENE UN NÚMERO IMPAR DE MEDIDAS LA MEDIANA ES LA PUNTUACIÓN CENTRAL DE LA MISMA. 2, 3, 4, 4, 5, 5, 5, 6, 6ME= 5 3 SI LA SERIE TIENE UN NÚMERO PAR DE PUNTUACIONES LA MEDIANA ES LA MEDIA ENTRE LAS DOS PUNTUACIONES CENTRALES. 7, 8, 9, 10, 11, 12ME= 9.5
  • 7. PROMEDIO EL CONCEPTO DE PROMEDIO SE VINCULA A LA MEDIA ARITMÉTICA, QUE CONSISTE EN EL RESULTADO QUE SE OBTIENE AL GENERAR UNA DIVISIÓN CON LA SUMATORIA DE DIVERSAS CANTIDADES POR EL DÍGITO QUE LAS REPRESENTE EN TOTAL. CLARO QUE ESTA NOCIÓN TAMBIÉN SE UTILIZA PARA NOMBRAR AL PUNTO EN QUE ALGO PUEDE SER DIVIDIDO POR LA MITAD O CASI POR EL MEDIO Y PARA REFERIRSE AL TÉRMINO MEDIO DE UNA COSA O SITUACIÓN.
  • 8. El promedio, por lo tanto, es un número finito que puede obtenerse a partir de la sumatoria de diferentes valores dividida entre el número de sumandos. Por ejemplo: si en una cena, ocho personas beben cinco litros de vino, puede decirse que los comensales han bebido un promedio de 1,6 litros de vino por persona.
  • 9. MEDIDAS DE DISPERSIÓN • TAMBIÉN LLAMADAS MEDIDAS DE VARIABILIDAD, MUESTRAN LA VARIABILIDAD DE UNA DISTRIBUCIÓN, INDICANDO POR MEDIO DE UN NÚMERO SI LAS DIFERENTES PUNTUACIONES DE UNA VARIABLE ESTÁN MUY ALEJADAS DE LA MEDIA. CUANTO MAYOR SEA ESE VALOR, MAYOR SERÁ LA VARIABILIDAD, Y CUANTO MENOR SEA, MÁS HOMOGÉNEA SERÁ A LA MEDIA. ASÍ SE SABE SI TODOS LOS CASOS SON PARECIDOS O VARÍAN MUCHO ENTRE ELLOS. PARA CALCULAR LA VARIABILIDAD QUE UNA DISTRIBUCIÓN TIENE RESPECTO DESU MEDIA, SE CALCULA LA MEDIA DE LAS DESVIACIONES DE LAS PUNTUACIONES RESPECTO A LA MEDIA ARITMÉTICA. PERO LA SUMA DE LAS DESVIACIONES ES SIEMPRE CERO, ASÍ QUE SE ADOPTAN DOS CLASES DE ESTRATEGIAS PARA SALVAR ESTE PROBLEMA. UNA ES TOMANDO LAS DESVIACIONES EN VALOR ABSOLUTO (DESVIACIÓN MEDIA) Y OTRA ES TOMANDO LAS DESVIACIONES AL CUADRADO (VARIANZA).
  • 10. RANGO • RANGO ES EL INTERVALO ENTRE EL VALOR MÁXIMO Y EL VALOR MÍNIMO; POR ELLO, COMPARTE UNIDADES CON LOS DATOS. PERMITE OBTENER UNA IDEA DE LA DISPERSIÓN DE LOS DATOS, CUANTO MAYOR ES EL RANGO, MÁS DISPERSOS ESTÁN LOS DATOS DE UN CONJUNTO. LA DIFERENCIA ENTRE EL MENOR Y EL MAYOR VALOR. EN {4, 6, 9, 3, 7} EL MENOR VALOR ES 3, Y EL MAYOR ES 9, ENTONCES EL RANGO ES 9-3 IGUAL A 6.
  • 11. DESVIACIÓN ESTÁNDAR • LA DESVIACIÓN ESTÁNDAR (O DESVIACIÓN TÍPICA) ES UNA MEDIDA DE DISPERSIÓN PARA VARIABLES DE RAZÓN (RATIO O COCIENTE) Y DE INTERVALO, DE GRAN UTILIDAD EN LA ESTADÍSTICA DESCRIPTIVA. ES UNA MEDIDA (CUADRÁTICA) DE LO QUE SE APARTAN LOS DATOS DE SU MEDIA, Y POR TANTO, SE MIDE EN LAS MISMAS UNIDADES QUE LA VARIABLE.
  • 12. RELACIONES MEDIDAS DE DISPERSION • AMPLITUD DE VARIACIÓN: TAL INTERVALO ESPECIAL SE UTILIZA AMPLIAMENTE EN LAS APLICACIONES DEL CONTROL ESTADÍSTICO DE PROCESOS. • VARIANCIA Y DESVIACIÓN ESTÁNDAR: SE BASAN EN LAS DESVIACIONES AL CUADRADO CON RESPECTO A LA MEDIA. • LA DESVIACIÓN ESTÁNDAR POBLACIONAL ES EL PROMEDIO DE LAS DESVIACIONES RESPECTO DE LA MEDIA, SE PRESENTA EN LAS MISMAS UNIDADES QUE LOS DATOS. • LA DESVIACIÓN ESTÁNDAR MUESTRAL SE UTILIZA COMO UN ESTIMADOR, ES LA RAÍZ CUADRADA DE LA VARIANCIA MUESTRAL
  • 13. • LAS RELACIONES DE MEDIDAS DE DISPERSIÓN LAS MEDIAS DE TENDENCIA CENTRAL O POSICIÓN NOS INDICAN DONDE SE SITÚA UN DATO DENTRO DE UNA DISTRIBUCIÓN DE DATOS. LAS MEDIDAS DE DISPERSIÓN, VARIABILIDAD O VARIACIÓN NOS INDICAN SI ESOS DATOS ESTÁN PRÓXIMOS ENTRE SÍ O SÍ ESTÁN DISPERSOS, ES DECIR, NOS INDICAN CUÁN ESPARCIDOS SE ENCUENTRAN LOS DATOS. ESTAS MEDIDAS DE DISPERSIÓN NOS PERMITEN APRECIAR LA DISTANCIA QUE EXISTE ENTRE LOS DATOS A UN CIERTO VALOR CENTRAL E IDENTIFICAR LA CONCENTRACIÓN DE LOS MISMOS EN UN CIERTO SECTOR DE LA DISTRIBUCIÓN, ES DECIR, PERMITEN ESTIMAR CUÁN DISPERSAS ESTÁN DOS O MÁS DISTRIBUCIONES DE DATOS. • ESTAS MEDIDAS PERMITEN EVALUAR LA CONFIABILIDAD DEL VALOR DEL DATO CENTRAL DE UN CONJUNTO DE DATOS, SIENDO LA MEDIA ARITMÉTICA EL DATO CENTRAL MÁS UTILIZADO. CUANDO EXISTE UNA DISPERSIÓN PEQUEÑA SE DICE QUE LOS DATOS ESTÁN DISPERSOS O ACUMULADOS CERCANAMENTE RESPECTO A UN VALOR CENTRAL, EN ESTE CASO EL DATO CENTRAL ES UN VALOR MUY REPRESENTATIVO. EN EL CASO QUE LA DISPERSIÓN SEA GRANDE EL VALOR CENTRAL NO ES MUY CONFIABLE. CUANDO UNA DISTRIBUCIÓN DE DATOS TIENE POCA DISPERSIÓN TOMA EL NOMBRE DE DISTRIBUCIÓN HOMOGÉNEA Y SI SU DISPERSIÓN ES ALTA SE LLAMA HETEROGÉNEA.
  • 14. POBLACIÓN Y MUESTRA POBLACION • ES EL CONJUNTO DE ELEMENTOS DE REFERENCIA SOBRE EL QUE SE REALIZAN LASOBSERVACIONES • NORMALMENTE ES DEMASIADO GRANDE PARA PODER ABARCARLA, MOTIVO POR EL CUAL SE PUEDE HACER NECESARIA LA EXTRACCIÓN DE UNAMUESTRA DE ÉSTA. MUESTRA • ES UN SUBCONJUNTO DE CASOS O INDIVIDUOS DE UNA POBLACIÓN ESTADÍSTICA. • LAS MUESTRAS SE OBTIENEN CON LA INTENCIÓN DE INFERIR PROPIEDADES DE LA TOTALIDAD DE LA POBLACIÓN
  • 15. POBLACIÓN Y MUESTRA.LA POBLACION Y LA MUESTRA TIENE ALGO EN COMUN LA CUAL ES QUE LA MUESTRA TOMA SUS OBJETIVOS DE LA POBLACION, LA POBLACION NECESITA DE LA MUESTRA PARA REALIZAR LOS CALCULOS NECESARIOS.