ESTADÍSTICA
MEDIDAS DE TENDENCIA CENTRAL (O DE POSICIÓN)
Una medida de tendencia central o de posición es un valor que se calcula para
un grupo de datos y que se utiliza para describirlos de alguna manera.
Normalmente se desea que el valor sea representativo de todos los valores
incluidos en el grupo y, por ello, se desea alguna clase de promedio. En sentido
estadístico, un “promedio” es una medida de tendencia central para un
conjunto de valores.
Medidas de Tendencia Central:
✓ Media Aritmética
✓ Media Ponderada
✓ Mediana
✓ Moda
La media aritmética y media ponderada.
La media aritmética, o promedio aritmético, se define como la división de la suma de todos los valores entre el
número de valores.
PROPIEDADES DE LA MEDIA ARITMETICA
1. Todo conjunto de datos de nivel de intervalo y nivel de razón tienen un valor medio.
2. al evaluar la media se incluyen todos los valores
3. un conjunto de datos solo tiene una media
4. la media es una medida útil para comparar dos o más poblaciones
5. la media es la única medida de posición donde la suma de las desviaciones de cada valor con respecto
a la media siempre será cero.
En estadística es normal representar una medida descriptiva de una población, o parámetro poblacional,
mediante letras griegas, en tanto que se utilizan letras romanas para las medidas descriptivas de muestras, o
estadísticos muestrales. Así, la media aritmética para una población de valores se presenta mediante el símbolo
μ (que se pronuncia mu), en tanto que la media aritmética de una muestra de valores se representa mediante el
símbolo X (que se lee “x barra”).
En estadística las características o medidas descriptivas de una población que son los parámetros se representan
mediante letras griegas.
Para las características o medidas descriptivas de una muestra que son estadísticos se representan mediante
letras romanas.
MEDIDAS DE TENDENCIA CENTRAL 1
ESTADÍSTICA
→ Media de la población
∑𝜒
𝜇=
𝑁
x→ representa los valores de la variable de interés
N→ Número total de valores o elementos en la población
∑𝜒
𝜒̅ =
𝑛
x → Media de la muestra
n → Número total de valores o elementos en la muestra
En cuanto a operaciones se refiere, las dos fórmulas son idénticas; en ambos casos se suman todos los valores
y después se divide este total entre el número de valores que son. Sin embargo, la diferencia en los
denominadores se debe a que el análisis estadístico, la N normalmente indica el número de elementos de una
población, en tanto que la n señala el número de elementos de una muestra.
Medidas generales
• n: es el número de casos de la muestra
• N: es la suma del número de casos de varias muestras.
• x: cada uno de los datos de la muestra
• Σ: sumatoria de los datos de una serie
Medidas para variables numéricas:
• Media: es la suma de todos los valores divido por el número de casos n.
• Mediana: corresponde al valor central de la serie de datos observada.
• Moda: valor más frecuente de una serie de datos.
• Varianza: es el promedio de los cuadrados de los desvíos; la Varianza mide la dispersión de los
valores y marca el punto de inflexión de las curvas en los histogramas.
• Desviación Estándar (𝜎, 𝑠): es la raíz cuadrada de la Varianza
𝜎 𝑠
• Error Estándar: división entre la desviación estándar y la raíz cuadrada de n. ( o )
√𝑛 √𝑛
La Media Aritmética para Datos Agrupados.
Cuando se agrupan datos en una distribución de frecuencias, se utiliza el punto medio de cada clase como
aproximación de todos los valores contenidos en ella. El punto medio se representa con el símbolo Xc, en donde
el subíndice c se debe a “clase”, y se utiliza la letra f para representar la frecuencia observada de valores en la
clase respectiva. Por ello, las fórmulas para la media de la población y de la muestra para datos agrupados son:
∑(fxc )
μ=
N
∑(fxc )
𝓍̅ =
n
MEDIDAS DE TENDENCIA CENTRAL 2
ESTADÍSTICA
Media ponderada es u caso especial de la media aritmética en la cual se considera a cada uno de los valores de
acuerdo con su importancia en el grupo. A cada valor se le asigna una ponderación o peso de acuerdo a su
importancia en el grupo.
∑(𝑤𝑥)
𝜇𝑤 ó 𝜒̅𝑤 =
∑𝑤
w → valor ponderado o peso
La Mediana.
La mediana (
~
x ) de un grupo de datos es el valor del dato que ocupa un lugar medio de cuando se les
agrupa a todos en orden ascendente o descendente. Si el número de medidas es impar, la mediana será la
medida en el centro. Para un grupo con un número par de elementos, se supone que la mediana se encuentra a
la mitad entre los dos valores adyacentes al centro. Cuando el conjunto de datos contiene un número grande de
valores, resulta útil la siguiente fórmula para determinar la posición de la mediana en el conjunto ordenado.
PROPIEDADES DE LA MEDIANA
1. Es única; esto es, a semejanza de la media, sólo existe una mediana para un conjunto de datos.
2. No se ve afectada por valores muy grandes o muy pequeños, por lo tanto, es una medida valiosa de
tendencia central cuando ocurre este tipo de valores.
3. Puede calcularse para una distribución de frecuencia con una clase de extremo abierto.
4. Puede calcularse para datos de nivel de razón, de intervalo y ordinal.
La media aritmética puede no ser representativa cuando se tienen en los datos uno o dos valores sumamente
grandes o pequeños
La Mediana para Datos Agrupados.
Para datos agrupados, en primer lugar, es necesario determinar la clase que contiene el valor de la
mediana, para después determinar la posición de la mediana dentro de la clase mediante interpolación. La clase
que contiene la mediana es la primera cuya frecuencia acumulada iguala o excede la mitad del total de
observaciones. Una vez que se identifica esta clase, se determina el valor específico mediante la siguiente
fórmula:
𝑁
− ∑ 𝑓𝑎𝐴
𝑀𝑒𝑑 = 𝐿𝑖 + [ 2 ]𝑤
𝑓𝑐
En donde: Li = límite exacto inferior de la clase que contiene la mediana.
N = número total de observaciones en la distribución de frecuencias (n para una muestra)
faA = la frecuencia acumulada de la clase que precede (“antes”) a la clase que contiene la mediana
fc = número de observaciones en la clase que contiene la mediana.
w = tamaño del intervalo de clase.
MEDIDAS DE TENDENCIA CENTRAL 3
ESTADÍSTICA
La Moda.
La moda es el valor que se presenta con mayor frecuencia en un conjunto de
datos. A una distribución que tiene una sola moda se le denomina unimodal. Para un
conjunto de datos poco numeroso, en el que no se repite ningún valor, no existe moda.
Cuando dos valores no adyacentes tienen frecuencias máximas similares, se dice que
la distribución es bimodal. A las distribuciones de mediciones que tienen varias modas
se les denomina multimodales.
La moda para el ejemplo es 2860 pues es el valor que presenta mayor
frecuencia.
PROPIEDADES DE LA MODA
1. Puede calcularse para datos de nivel de razón, de intervalo, nominal y ordinal.
2. No se ve afectada por valores muy grandes o muy pequeños.
3. Puede utilizarse para una distribución de frecuencia con una clase de extremo abierto.
Sin embargo, la moda tiene algunas desventajas que hacen que se utilice con menos frecuencia que la media o
la mediana.
1. Para muchos conjuntos de datos no hay valor modal porque ningún valor aparece más de una vez. Tendría
que tomarse cada valor como una moda.
2. Para algunos conjuntos de datos hay más de una moda. Sería cuestionable utilizar más de una moda para
representar la tendencia central de un conjunto de datos.
▪ con una moda se le denomina unimodal
▪ cuando dos valores no adyacentes tienen frecuencias máximas similares en el conjunto de datos
se dice que se tiene dos modas se le denomina bimodal
▪ a las distribuciones de mediciones que tienen varias modas se les denomina multimodal.
La Moda para Datos Agrupados.
Para datos agrupados en una distribución de frecuencias con intervalos de clase iguales, primero se identifica la
clase que contiene la moda determinando cuál de ellas tiene el mayor número de observaciones. Algunos
profesionales de estadística consideran que la moda es el punto medio de la clase modal. Sin embargo, la mayoría
de ellos interpolan dentro de la clase modal, de acuerdo con la siguiente fórmula:
𝑑1
𝑀𝑜𝑑𝑎 = 𝐿𝑖 + [ ]𝑤
𝑑1 + 𝑑2
En donde: Li = límite exacto inferior de la clase que contiene la moda.
d1 = diferencia entre la frecuencia de la clase modal y la frecuencia de la clase precedente.
d2 = diferencia entre la frecuencia de la clase modal y la frecuencia de la clase siguiente.
w = tamaño del intervalo de clase.
MEDIDAS DE TENDENCIA CENTRAL 4
ESTADÍSTICA
Medidas de dispersión.
Las medidas de tendencia central son útiles para identificar un valor típico en un conjunto de
datos. Estas localizan el centro de los datos.
Un promedio no dice nada de la dispersión o variabilidad de los datos.
Un valor pequeño para una medida de dispersión indica que los datos se encuentran
acumulados cercanamente, alrededor de la media por lo que es un promedio confiable.
Por lo contrario, una medida de dispersión grande indica que la media no es factible.
Una segunda razón para estudiar la dispersión en un conjunto de datos es poder comparar cuán dispersas están
dos o más distribuciones.
MEDIDAS DE DISPERSIÓN
▪ Amplitud de variación o Rango (se basa en la ubicación del valor mayor y el más pequeño en un conjunto
de datos).
▪ Desviación media
▪ Varianza
▪ Desviación estándar
Estas tres se basan en las desviaciones respecto a la media.
Amplitud de variación o Rango es la medida de dispersión más sencilla se trata de la diferencia entre el valor
más grande y el más pequeño de un conjunto de datos.
Una desventaja es que no se consideran todos los datos.
R = Xmay - Xmin
R = rango
Xmay = el valor mayor
Xmin = valor mínimo
Para los ejemplos de las medidas de tendencia central calcular el rango.
Las medidas de variabilidad o dispersión se ocupan de describir la variabilidad entre los valores.
Rango.
El rango o R es la diferencia entre los valores mayor y menor del conjunto de datos. Así cuando U representa el
mayor valor del grupo y L representa el menor, el rango de los datos es:
R=U−L
Las descripciones más comprensivas de la dispersión son aquellas que tratan con la desviación promedio con
respecto a alguna medida de tendencia central. Dos de tales medidas son importantes para el estudio estadístico:
la varianza y la desviación estándar. Ambas medidas nos dan una distancia promedio de cualquier observación
del conjunto de datos con respecto a la media de la distribución.
Para el ejemplo, el rango de los datos no agrupados es:
R = 3590 − 2400 = 1190
MEDIDAS DE TENDENCIA CENTRAL 5
ESTADÍSTICA
Varianza.
Cada población tiene una varianza, que se simboliza con (σ² sigma cuadrada). La fórmula para calcular la
varianza de una población es
La fórmula de varianza para datos agrupados es:
∑[f(Xc −μ)2 ] ∑[f(Xc −χ̅)2 ]
σ2 = s2 =
N n−1
Desviación Estándar.
Por lo general resulta difícil interpretar el significado del valor de una varianza porque las unidades en las
que se expresa son valores al cuadrado, así que con mayor frecuencia utilizamos la raíz cuadrada de la
varianza denominada desviación estándar. La desviación estándar poblacional se denota por σ y la desviación
estándar muestral por s.
La fórmula de desviación estándar para datos agrupados es la raíz de la fórmula correspondiente de varianza.
Coeficiente de Variación.
El coeficiente de variación proporciona una medida de variabilidad que es independiente de la unidad
de medida, por ello, puede usarse para comparar la variabilidad de dos grupos de datos expresados en dos
distintas unidades de medida. Por ejemplo, puede usarse para comparar la desviación estándar de la
distribución de los ingresos anuales, y la desviación estándar de los años de servicio de todos los empleados
de una compañía.
El coeficiente de Variación (CV) expresa la desviación estándar como un porcentaje de la media y se
define como
σ
CV =
μ(100)
s
CV = ( ) (100)
x̅
Dicho de otra manera, el CV indica la magnitud relativa de la desviación estándar con respecto a la medida de la
distribución. El CV es útil cuando se desea comparar la variabilidad de dos conjuntos de datos con respecto al
nivel general de los valores de cada conjunto.
Sesgo
Existen cuatro formas: simétrica, con sesgo positivo, con sesgo negativo y bimodal. En un conjunto simétrico de
observaciones la media y la mediana son iguales, y los valores de datos se dispersan uniformemente en torno a
estos valores. Los valores de datos debajo de la media y de la mediana constituyen una imagen especular de
los datos arriba de estas medidas.
Un conjunto de valores se encuentra sesgado a la derecha o positivamente sesgado si existe un solo pico y los
valores se extienden mucho más allá a la derecha del pico que a la izquierda de éste. En este caso la media es
más grande que la mediana. En una distribución negativamente sesgada existe un solo pico, pero las
observaciones se extienden más a la izquierda, en la dirección negativa, que a la derecha. En una distribución
negativamente sesgada, la media es menor que la mediana. Las distribuciones positivamente sesgadas son más
MEDIDAS DE TENDENCIA CENTRAL 6
ESTADÍSTICA
comunes. Los salarios con frecuencia obedecen este patrón. Piense en los salarios de los empleados de una
pequeña compañía con aproximadamente 100 personas. El presidente y unos cuantos altos ejecutivos tendrían
salarios muy altos respecto de los demás trabajadores, y de ahí que la distribución de salarios mostraría un sesgo
positivo. Una distribución bimodal tendrá dos o más picos.
INDICE DE SESGO DE PEARSON
De acuerdo con esta expresión, el sesgo puede variar de –3 a 3. Un valor próximo a –3, como –2.57, indica un
sesgo negativo considerable. Un valor como 1.63 indica un sesgo positivo moderado. Un valor de 0, que ocurre
cuando la media y la mediana son iguales, indica que la distribución es simétrica y que no se presenta ningún
sesgo.
El sesgo puede medirse por medio del índice de sesgo de Pearson:
3(𝑥̅ − 𝑚𝑒𝑑𝑖𝑎𝑛𝑎)
𝐼=
𝑠
Si 𝐼 ≥ 1.00 𝑜 𝐼 ≤ −1.00, los datos se consideran significativamente sesgados.
CUARTILES, DECILES Y PERCENTILES PARA DATOS AGRUPADOS
GRÁFICA
MEDIDAS DE TENDENCIA CENTRAL 7
ESTADÍSTICA
Con frecuencia es conveniente dividir los datos en cuatro partes; así, cada parte contiene una cuarta parte o 25%
de las observaciones. A los puntos de división se les conoce como cuartiles y están definidos como sigue:
𝒏𝒌 Q1 = primer cuartil, o percentil 25
− 𝑭𝟏(𝑸𝒌)
𝑸 𝒌 = 𝑳𝒊 + [ 𝟒 ]𝒘 Q2 = segundo cuartil, decil 5, percentil 50
𝒇(𝑸𝒌)
Q3 = tercer cuartil, o percentil 75
𝒌 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒖𝒂𝒓𝒕𝒊𝒍 (𝟏, 𝟐, 𝟑, 𝟒)
𝑳𝒊 = 𝑳𝒊𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒄𝒖𝒂𝒓𝒕𝒊𝒍 (𝒆𝒔 𝒅𝒆𝒄𝒊𝒓, 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆 𝒅𝒆 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒆𝒍 𝒄𝒖𝒂𝒓𝒕𝒊𝒍)
𝒏 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒅𝒂𝒕𝒐𝒔 (𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒕𝒐𝒕𝒂𝒍)
𝑭𝟏(𝑸𝒌) = 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝒊𝒏𝒎𝒆𝒅𝒊𝒂𝒕𝒂𝒎𝒆𝒏𝒕𝒆 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒂𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒄𝒖𝒂𝒓𝒕𝒊𝒍
𝒇(𝑸𝒌) = 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐, 𝒄𝒖𝒂𝒓𝒕𝒊𝒍
𝒘 = 𝒂𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆 𝒍𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐𝒔
DECILES
𝒏𝒌
− 𝑭𝟏(𝑫𝒌)
𝑫𝒌 = 𝑳𝒊 + [ 𝟏𝟎 ]𝒘
𝒇(𝑫𝒌)
𝒌 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒅𝒆𝒄𝒊𝒍 (𝟏, 𝟐, 𝟑, … 𝟏𝟎)
𝑳𝒊 = 𝑳𝒊𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆𝒄𝒊𝒍 (𝒆𝒔 𝒅𝒆𝒄𝒊𝒓, 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆 𝒅𝒆 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒆𝒍 𝒅𝒆𝒄𝒊𝒍)
𝒏 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒅𝒂𝒕𝒐𝒔 (𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒕𝒐𝒕𝒂𝒍)
𝑭𝟏(𝑫𝒌) = 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝒊𝒏𝒎𝒆𝒅𝒊𝒂𝒕𝒂𝒎𝒆𝒏𝒕𝒆 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒂𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒅𝒆𝒄𝒊𝒍
𝒇(𝑫𝒌) = 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐, 𝒅𝒆𝒄𝒊𝒍
𝒘 = 𝒂𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆 𝒍𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐𝒔
PERCENTILES
Un percentil aporta información acerca de la dispersión de los datos en el intervalo que va del menor al mayor
valor de los datos. En los conjuntos de datos que no tienen muchos valores repetidos, el percentil P divide a los
datos en dos partes. Cerca de P por ciento de las observaciones tienen valores menores que el percentil P y
aproximadamente (100 - P) por ciento de las observaciones tienen valores mayores que el percentil P. El percentil
P se define como sigue:
El percentil P es un valor tal que por lo menos p por ciento de las observaciones son
menores o iguales que este valor y por lo menos (100 - P) por ciento de las observaciones
son mayores o iguales que este valor.
𝒏𝒌
− 𝑭𝟏(𝑷𝒌)
𝑷𝒌 = 𝑳𝒊 + [ 𝟏𝟎𝟎 ]𝒘
𝒇(𝑷𝒌)
𝒌 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍 (𝟏, 𝟐, 𝟑, … 𝟏𝟎𝟎)
𝑳𝒊 = 𝑳𝒊𝒎𝒊𝒕𝒆 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍 (𝒆𝒔 𝒅𝒆𝒄𝒊𝒓, 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆 𝒅𝒆 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒆𝒍 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍)
𝒏 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒅𝒂𝒕𝒐𝒔 (𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒕𝒐𝒕𝒂𝒍)
𝑭𝟏(𝑷𝒌) = 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝒊𝒏𝒎𝒆𝒅𝒊𝒂𝒕𝒂𝒎𝒆𝒏𝒕𝒆 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒂𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍
𝒇(𝑷𝒌) = 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐, 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍
𝒘 = 𝒂𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆 𝒍𝒐𝒔 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐𝒔
MEDIDAS DE TENDENCIA CENTRAL 8
ESTADÍSTICA
CUARTILES, DECILES Y PERCENTILES PARA DATOS NO AGRUPADOS
Cuartil
𝒏𝒌
𝑸𝒌 =
𝟒
Decil
𝒏𝒌
𝑫𝒌 =
𝟏𝟎
Percentil
𝒏𝒌
𝑷𝒌 =
𝟏𝟎𝟎
El proceso para calcular percentiles, que corresponde a un valor particular x, es bastante sencillo, tal como se
indica en la siguiente expresión:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 𝑞𝑢𝑒 𝑥
𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑥 = ( ) (100)
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠
MEDIDAS DE TENDENCIA CENTRAL 9