La Vida es Chula: SESIONES TEÓRICAS DE ESTDÍSTICA Y TIC’s: TEMA 8: MEDIDAS DE TENDENCIA CENTRAL, POSICIÓN Y DISPERSIÓN

1. MEDIDAS DE TENDENCIA CENTRAL

Media: es el valor central de los datos. Es la suma de todos los datos dividida entre el número de datos.

Moda: es el valor que más se repite, el que aparece con mayor frecuencia.

Mediana: es el valor de una observación tal que deja a un 50% de los datos menor y otro 50% mayor.

Propiedad: robustez.

2. MEDIDAS DE POSICIÓN O CUANTILES

Percentiles: dividen la muestra ordenada en 100 partes.

Deciles: dividen la muestra ordenada en 10 partes.

Cuartiles: dividen la muestra ordenada en 4 partes.

3. MEDIDAS DE DISPERSIÓN

Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra.

Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra.

Desviación típica o estándar: sirve para calcular el error que se comete si representamos una variable por su media.

Varianza: expresa lo mismo que la desviación estándar pero al cuadrado.

Recorrido intercuartílico: es la diferencia entre el tercer y el primer cuartil.

Coeficiente de variación: compara la heterogeneidad de dos series numéricas.

4. DISTRIBUCIÓN NORMAL

Es una de las distribuciones de probabilidad de variable continua más frecuentes. Se representa mediante la campana de Gauss.

5. ASIMETRÍA Y CURTOSIS

Coeficiente de asimetría de una variable: grado de simetría de la distrubición de los datos en torno a su media.
Asimetrías:

G1 = 0: distribución simétrica

G1 > 0: distribución asimétrica positiva

G1 < 0: distribución asimétrica positiva

Curtosis o apuntamiento de la curva: mide el grado de concentración de los valores que la variable toma en torno a su media.

6. TIPIFICACIÓN DE VARIABLES. DISTRIBUCIÓN NORMAL ESTÁNDAR

La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor cero, μ =0, y por desviación típica la unidad, σ =1.
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).