MODULO

MEDIDAS DE TENDENCIA

O ESTADIGRAFOS

Docente: Dra. Sara Adelina Arana López

Lima - 2014
BIOESTADISTICA

La bioestadística y el método epidemiológico aportan más ciencia Medica y es

por ello que el trabajo conjunto de expertos en metodología, bioestadísticas y
los clínicos lograr reducir la variabilidad que rodea el ejercicio de la medicina
que será siempre una ciencia de probabilidades y un arte de manejar la
incertidumbre
MEDIDAS DE TENDENCIA O ESTADÍGRAFOS

INTRODUCION

Para describir un conjunto de datos, además de la tabulación y la

representación gráfica, se utilizan valores numéricos de funciones de la
variable, llamadas medidas de resumen
Son valores únicos que representan al conjunto de los datos observados de la
variable, Es decir resumen en un solo valor a todo el conjunto de valores de las
observaciones, representando a toda la muestra que es el objeto de estudio,
para su análisis y posterior estimación a toda la población.
Se clasifican en :

Si, según Montaigne, ‘‘para juzgar cosas grandes y nobles, es necesario poseer un alma igual de grande y noble’’(*), para juzgar un
artículo científico escrito por un colega es necesario poseer, además, conocimientos, experiencia, imparcialidad, confidencialidad,
diligencia, una cierta dosis de pedagogía y otra no menos esencial de compañerismo (**).

1. MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA, MODA,

CUARTILES

Las medidas de tendencia central tienden a ubicarse en el centro de la

información (de los valores de las observaciones de la variable), solo en
algunos casos estas medidas coinciden juntas en el centro de los datos.
Considerando que solo la media aritmética y el cuartil dos siempre van a
ubicarse en el centro de los valores observados.
Se clasifican en:

1.1. MEDIA ARITMETICA O PROMEDIO ARITMETICO

Estadígrafo más importante de la estadística.

Es el valor representativo del conjunto de datos (valores) observados de una
variable, es el promedio aritmético de las observaciones de la variable elegida
de la muestra para el estudio
Se obtiene: sumando todos los valores de las observaciones y luego se divide
entre el número total de observaciones (n)
Se denota:
n

x i
X  i 1
n
Donde:

X : Media o promedio aritmético: se lee X - barra

xi : Valores de las observaciones
n: Tamaño de la muestra

1.1.1. Casos

1.1.1.1. Caso no agrupado:

 n

x i
X  i 1
n
Ejemplo:

El gerente de una empresa que se dedica a la fabricación de gelatina, desea

adquirir una máquina para el llenado de bolsas de aproximadamente 200
gramos. Debe decidir en adquirir una de dos máquinas que le ofrecen, en
igualdad de condiciones de costes, aunque que no está convencido de la
precisión de las máquinas, para elegir una se realizan 6 prueba con cada
máquina y se obtienen los resultados siguientes:

Maq. 195 198 1199 1197 1199 200

(Pesos gr) A
Maq. 199 200 200 200 198 201
B

a. ¿Cuál será el peso promedio de bolsas obtenido de las máquinas?

b. ¿Cuál es el peso promedio de las dos máquinas juntas?
c. ¿Qué maquina elige el gerente de la empresa?

SOLUCION

a. Promedio de las maquinas

MAQUINA A:
n

x i
195  198  199  197  199  200 1188
X i 1
   198
n 6 6

La máquina A empaca en promedio 198 gramos de gelatina en cada bolsa

MAQUINA B:
 n

x i
199  200  200  200  198  200 1197
X  i 1
   199.5
n n6 6
La máquina B empaca en promedio 199.5 gramos de gelatina

b. Promedio de las maquinas juntas

n

x i
195  198  199  197  199  200  199  200  200  200  198  200 2385
X  i 1
   198.75
n 12 12

el promedio de empaque de las dos máquinas juntas es de 198.75gramos de

gelatina.

El gerente de la fábrica elige la maquina B, por hacer un empacado en cada

bolsa de gelatina de 199.5 gramos.

1.1.1.2. CASO AGRUPADO:

A diferencia del caso no agrupado, en este ítem, los valores de las

observaciones de la variable se agrupan y se muestra en consolidados de los
datos, en tablas estadísticas, las se presentan en dos casos:

1.1.1.2.1. CASO DISCRETO

n

x i fi
X  i 1

n
Donde:
X : Media o promedio aritmético: se lee X - barra
xi : Valores de las observaciones

n : Tamaño de la muestra
f i : Frecuencia

Ejemplo:
Un estudio realizado por una institución de salud para conocer el nivel de
plomo en la sangre de Mujeres del Distrito de Morococha del depto. de Junín,
está interesado en conocer el numero de hijos por mujer, para lo cual,
seleccionan una muestra de 34 mujeres, los datos se registran en la siguiente
tabla.
Tabla Nº: Mujeres del Distrito de Morococha del Dpto
de Cerro de Pazco según numero de hijos
n

Nº
x i fi
X  i 1

de hijos Frecuencias n
0 4 0*(4) = 0
1 6 1*(6) = 6
2 11 2*(11) = 22
3 9 3*(9) = 27
4 0 4*(0) = 0
5 4 5*(4) = 20
Total 34 75
Fuente: elaboración propia

x i fi
X  i 1

n
0 * ( 4)  1 * (6)  2 * (11)  3 * (9)  4 * (0)  5 * (4) 75
   2.21
34 12
el promedio de hijos por mujer es de 2.21 hijos

1.1.1.2.2. Caso Continuo

n

m i fi
X  i 1
n
Donde:

X : Media o promedio aritmético: se lee X - barra

mi : Punto medio o marca de clase (Valores de las observaciones)

n : Tamaño de la muestra
f i : Frecuencia

Ejemplo:
Tabla Nº: Mujeres del Distrito de Morococha del Dpto. de Cerro
de Junín según grupo etáreo (edad)
 Punto Medio O n
Edad Marca
de Clase :MJ
fi m i fi
X  i 1
n
I1 = 15 – 21 18 3 18 * (3) = 54
I2 = 21 – 27 24 15 24 * (15) = 360
I3 = 27 – 33 30 8 30 * (8) = 240
I4 = 33 – 39 26 3 26 *(3) = 78
I5 = 39 – 45 42 4 42 * (4) = 168
I6 = 45 – 51 48 1 48 * (1) = 48
TOTAL 34 984 / 34 = 28.94
Fuente: elaboración propia

El promedio de edad de las mujeres de Morococha es 28.94 años, la edad

mínima es de 15 años y la edad máxima es de 51 años.

2. MEDIANA o VALOR MEDIO

Es el valor central de un conjunto finito de observaciones; la mediana divide al

conjunto en dos partes exactamente iguales, 50% a la derecha y 50% a la
izquierda.

50% 50%

Mediana

Se denota por: Med.

2.1. Casos

2.1.1. CASO NO AGRUPADO:

Procedimiento:
a. Las observaciones se ordenan de menor a mayor
b. Se determina si el conjunto de datos es conjunto par o impar
c. Ubicar los valores centrales del conjunto de datos
i). Conjunto par: La mediana se halla sumando los dos valores centrales y
se divide por dos
Suma de dos valores centrales
Med 
2
ii). Conjunto impar: Se determina la mediana
n1
Med 
2
d. Se procede a calcular la mediana

Ejemplo:

Los siguientes datos corresponden a los números de hijos de 12 mujeres

5 0 3 2 0 3 2 2 1 3 1 2 3
Solución
a. Ordenar los datos de menor a mayor
0 1 1 2 2 2 3 3 3 4 5 5

0 1 1 2 2 2 3 3 3 4 5 5

50% 50%

b. El conjunto de datos es par

c. Los valores centrales son el 2,3
d. Calculara la mediana:
Suma de dos valores centrales 23
Med    2.5
2 2
La mediana es 2.5 hijos.

2.1.2. CASO AGRUPADO:

2.1.2.1. Caso agrupado discreto
Para determinar la mediana, se tiene en cuenta:
a. Que los valores de las observaciones estén registradas en una tabla de
frecuencias
b. Similar al casos no agrupados, se identifica si el conjunto es par o impar.
c. Se determina la mediana considerando a las frecuencias absolutas
acumuladas.

Ejemplo
Tabla Nº: Mujeres del Distrito de Morococha
de la región Pazco según numero de hijos

Nº de hijos Frecuencias Frec. Acumuladas

Esta frecuencia (F3) 4
0 4
contiene a más del 50%
1 6 10
de los datos, por lo tanto
2 allí se 11ubicamos a la 21
3 mediana 9 30
4 0 30
5 4 34
Total 34
Fuente: elaboración propia

Con los datos de la tabla calcular la mediana

 Como el conjunto de datos es par: Los valores centrales son: 2,2
22
Med  2
2
La mediana es 2 hijos

2.1.2.2. Caso agrupado Continuo

En este caso se determina la mediana usando el siguiente modelo
 n 
  Fi 1 
Med  Li  a  2 
 fi 
 

Dr. Jacobo Díaz Portillo: Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan... Hay mentiras (mitos o leyendas) que
por decirlas pueden terminar siendo pseudorealidades o realidades virtuales

Donde:
Med : Mediana
Li : limite inferior del intervalo que contiene a la mediana
a : Amplitud
n: Tamaño de la muestra
n
: Indica el lugar que ocupa la mediana
2
Fi : Frecuencia absoluta acumulada que contiene a la mediana
Fi  1 : Frecuencia absoluta acumulada anterior a la frecuencia absoluta

acumulada que contiene a la mediana

f i : Frecuencia absoluta simple que contiene a la mediana

Ejemplo

Tabla N 1:
1: Mujeres del Distrito de Morococha de la
región Junín según grupo etáreo (edad)

Mediana se ubica en Punto

la frecuencia F3
acumulada Edady f3 Medio :M J fi Fi
simple, en el tercer
I1 = 15 – 21
intervalo 18 3 3
I2 = 21 – 27 24 15 18
I3 = 27 – 33 30 8 26
I4 = 33 – 39 36 3 29
I5 = 39 – 45 42 4 33
I6 = 45 – 51 48 1 34
TOTAL 34
Fuente: elaboración propia
Con los datos de la tabla calcular el valor mediano.

Solución
 Determinar el lugar que ocupa la mediana en el conjunto de datos

n 34
  17 , la mediana se ubica en el 17avo lugar, es decir, la mediana
2 2
se ubica en el 17avo lugar, en la frecuencia absoluta acumulada F 2 (18), en
la frecuencia absoluta simple f2 (15) y en el intervalo I2 ( Li = 21), la amplitud
(A) es 6
 Reemplar los valores hallados en el modelo:
 17  3 
Med  21  6   26.6
 15 

La edad mediana de las mujeres del distrito de Morococha es 26.6 años

3. LA MODA
La moda es un conjunto de valores que ocurre con mayor frecuencia. O se dice
que es el valor que se presenta con mayor frecuencia. O es la observación que
más veces se repite, o se dice que es la frecuencia con el valor más alto de las
observaciones
Se denota como

Mod.: Moda

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Moda = 5

3.1. CARACTERISTICAS:
- Es Unimodal, si en el conjunto de datos solo un valor de la observación se
repite con mayor frecuencia
- Es Bimodal, si en el conjunto de valores de las observaciones dos de estas
observaciones se repiten en igual número de veces.
- Multimodal: cuando existen más de dos modas
- Clase Modal: es el intervalo que contiene al número más alto de
observaciones (moda).
- No tiene moda: cuando el conjunto de datos no presenta repeticiones
diferentes.

1 2 3 4 5 6 7

SIN MODA
3.2. Casos:

3.2.1. Caso no Agrupado

Procedimiento
 ordenar los datos de menor a mayor
 ubicar al valor modal

Ejemplo:
Una agencia de Turismo, ofrece paquetes turísticos con precios módicos para visitar la
Ciudad de Caral, la oferta es para la temporada de verano, en la Ofic., de logística, se
esta planificando promocionar los paquetes enviando avisos impresos a los clientes. El
gerente de la empresa desea conocer las edades de los clientes que ya hicieron uso
de sus servicios, para hacer mayor inversión en el grupo atareo que mayormente visita
Caral, para brindarle un mejor servicio y selecciona una muestra de 20 turistas. Hallar
el valor modal de los datos

20 50 25 30 40 35 50 22 22 55 52 54 60 65 40 48 30 35 55 60

SOLUCION.

20 22 22 25 30 30 30 30 40 40 48 50 50 52 54 55 60 60 60 65

El valor modal de los turistas que visitan Caral es 30 años

3.2.2. Caso agrupado

3.2.2.1. Caso agrupado discreto:
 se observa en una tabla de frecuencia absoluta simple de mayor valor o el
valor mas alto de las frecuencia
 se relaciona con una de las observaciones de la variable
EJEMPLO
Tabla Nº : Mujeres del Distrito de Morococha del depto
de Cerro de Pazco según numero de hijos

Nº de hijos frecuencias Fi
0 4
1 6 Moda = 2
2 11
 3 9
4 0
5 4
Total 34
Fuente: elaboración
El valor modal de las mujeres que tienen más hijos es 2 hijos ( 2 es la
observación que mas veces se repite)

3.2.2.2. Caso agrupado continuo:

Para obtener el valor modal se hace uso de la siguiente formula:
 D1 
Mod  Li  a  
 D1  D2 i 
donde :
Mod : Moda
Li : limite inferior del intervalo que contiene a la moda
a: Amplitud del intervalo
D1  f i  f i 1 : Frecuencia absoluta simple que contiene a la moda menos la
frecuencia anterior a la frecuencia que contiene a la moda
D1  f i  f i 1 : Frecuencia absoluta simple que contiene a la moda menos
la frecuencia posterior a la frecuencia que contiene a la moda

EJEMPLO:

Los datos corresponden a una muestra de 50 alumnos seleccionados según

sus calificaciones (desaprobado, aprobado, notable y sobresaliente). Calcular
la moda
Tabla Nº: alumnos seleccionados
según calificaciones

Calificaciones Frecuencias ( fi ) hi
Moda
0 - 5 15
5 - 7 20
7 - 9 12
9 - 10 3
Total 50
Solución:
La moda se encuentra en segunda frecuencia absoluta simple (f 2), corresponde
al 2º intervalo

 D1   20  15 
Mod  Li  a   = Mod  5  2    5.769
 D1  D2 i    20  15   20  12i  

La moda es 5.769 puntos.

4. LOS CUARTILES
Los cuartiles tres valores que dividen al conjunto de datos en 4 partes iguales:
el primer cuartil llamado también cuartel inferior, el segundo cuartil o cuartil
cuartil medio (corresponde a la mediana) y el tercer cuartil o cuartel superior.
Los cuartiles también llamados medidas de posición

Primer Cuartil
Q 1 = 25%
Segundo Cuartil
Q 2 = mediana =
50%
Tercer Cuartil
Q 3 = 75%

Se denota:
in
Qi 
4
Donde:

Qi : cuartil i

n: tamaño de la muestra
in
: el lugar que ocupa el cuartil i
4
4.1. Casos:
4.1.1. Caso no agrupado:

Para calcular el valor de los cuartiles, se tiene en cuenta:

a. Ordenar los datos de menor a mayor
b. Determinar el lugar que ocupa cada cuartil

Ejemplo

Los siguientes datos corresponden al número de atenciones ambulatorias que

realiza un centro de salud, en un tiempo establecido.

2 3 2 1 1 5 1 4 1 1 4 2 1 2 4 3 4 1 5 3

Solución:

1 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 5 5

5º lugar 10º lugar 15º lugar

1 111 1 1 1 2 2 2 2 3 3 3 4 4
4 4 5Q 1  5
1

Q2  2
Q3  4

1n 1( 20)
Q1   Q1   5 , el primer cuartil se ubica en el 5º lugar y es 1 atención
4 4

2( n) 2( 20)
Q2   Q1   10 , el segundo cuartil se ubica en el 10º lugar y es 2
4 4
atenciones

3n 3( 20)
Q3   Q3   15 , el tercer cuartil se ubica en el 15º lugar es 2
4 4
atenciones

4.1.2. Caso agrupado:

4.1.2.1. Caso agrupado discreto
Se obtiene el valor de los cuartiles, observando en la tabla de estadísticas las
frecuencias absolutas acumuladas, allí se ubica el lugar que ocupa el cuartil y
luego se relaciona con la observación que le corresponde. El procedimiento es
similar al empleado para el caso no agrupado
Ejemplo:
Tabla Nº: alumnos seleccionados
según calificaciones Primer cuartil = 1
Ocupa el 4º lugar

Atenciones Frecuencias ( fi ) Fi
7 Segundo cuartil = 2
1 7 Ocupa el 10º lugar
11
2 4
3 3 14 Tercer cuartil = 4
Ocupa el 15º
4 4 18 lugar
5 2 20
Total 20
Solución:
1n 1(20)
Q1   Q1   5 , se ubica en el 5º lugar y es 1 atención
4 4

4.1.2.2. Caso agrupado continuo

En este caso se calculan los cuartiles haciendo uso de las tablas continua,
observando las frecuencias absolutas acumuladas para localizar el lugar que
ocupa cada cuartil, asociando este valor con su intervalo correspondiente, y
reemplazando los valores en la siguiente formula
 in 
  Fi  1 
Qi  Li  a  4 
 fi 
 

donde:
Qi : Cuartil i

Li : Límite inferior que contiene al cuartil i

a : Amplitud
n : Tamaño de la muestra
in
: Lugar que ocupa el cuartil i
4
Fi : Frecuencia absoluta acumulada donde se ubica el cuartil i

Fi  1 Frecuencia absoluta acumulada anterior a la frecuencia donde se ubica el

cuartil i
f i : Frecuencia absoluta simple que contiene el cuartil i

Ejemplo

La gerencia de relaciones Humanas de una clínica, desea conocer el nivel de

satisfacción y liderazgo de sus trabajadores no asistenciales, y selecciona a 88
trabajadores para aplicarles un test, obteniéndose los siguientes resultados.

Tabla Nº: trabajadores de una clinca

según puntuación de un test

Puntuaciones Frec.=fi Fi
[38,44) 7 7
[44,50) 8 15
[50,56) 15 30
[56,62) 25 55
[62,68) 18 73
[68,74) 9 82
[74,81) 6 88
Total 88
Calcular el valor de los cuartiles
SOLUCION:

Cuartil Uno:
 1n   1(88) 
  Fi  1    15 
Q1  Li  a  4  Q1  50  6  4
  55.25
 fi   8 
   

El nivel de satisfacción y liderazgo de los 88 trabajadores en el cuartil 1 es

55.25 puntos
Utilizando el modelo hallar el valor de los cuartiles 2 y 3
Cuartil Dos:
 2n 
  Fi  1 
Q2  Li  a  4 
 fi 
 
Cuartil Tres:
 3n 
  Fi  1 
Q3  Li  a  4 
 fi 
 

A este grupo de medidas de posición pertenecen los deciles y percentiles.

casos
A). caso no agrupado
k ( n  1)
Pk 
100
B). agrupado continuo :
kn 
 100  Fi 1 
Pk  Li  a  
 fi 
 

Para calcular un decil o un percentil, se sigue el mismo procedimiento que se

tiene para calcular los cuartiles.

MEDIDAS DE DISPERSIÓN:
Mide el grado de concentración, dispersión o variabilidad de los valores de las
observaciones o datos alrededor de un valor central. Es decir explican cuan
distante se encuentran los valores de las observaciones del valor central.
También se dice que es la distancia que tienen las observaciones hacia el valor
central.

1. MEDIDAS DE DISPERSIÓN PARA LA POBLACIÓN

(X   )2 
i
cv  * 100
 
2 i 1

N 1
N

(X
i 1
i   )2
 
N 1

Donde:

 2 : Varianza
X : Observaciones de la población
  : Promedio de la población
N : Tamaño de la población

2. MEDIDAS DE DISPERSIÓN PARA LA MUESTRA

 (x i  X )2
S
S 
2 i 1
cv  * 100
n 1 X
n

 (x
i 1
i  X )2
S 
n 1

2.1. Varianza

Mide el grado de variación de los valores de las observaciones respecto a la

media aritmética o promedio aritmético. Es la distancia de cada una de las
observaciones a la media.

2.1.1.Casos

2.1.1.1. Caso no agrupado

n

n x 2
i  nx 2
 (x i  X) 2
S2 
i 1

S 
2 i 1 n 1
n 1
Forma abreviada

Donde:

S2: Varianza de la muestra

xi : Valores de las observaciones de la muestra
X : Media aritmética de la muestra
n. Tamaño de la muestra

2.1.1.2. Caso Agrupado

2.1.1.2.1. Caso agrupado Discreto

x i  X 2
fi
S 2

n 1

Donde:

fi : frecuencias observadas

2.1.1.3.Caso agrupado continuo

 M i  X 2
fi
S 2

n 1

M i : punto medio o marca de clase

Ejemplo

Un consultor estudió una muestra de 40 empresas de venta de lácteos de

cierta ciudad, su interés era investigar el monto del gastado anual en
publicidad, entre otras cosas, por estas empresas. Los datos del estudio se
registraron en la siguiente tabla.
Tabla Nº: empresas de ventas de lácteos por gasto anual en
publicidad

Miles de soles Mj fi Fi S2 = ∑(xi – media)2 *fi

10 – 20 15 4 4 (15 – 35.5)2 *4 =
20 – 30 25 14 18 (25 – 35.5)2 *14 =
30 – 40 35 8 26 (35 – 35.5)2 *8 =
40 – 50 45 6 32 (45 – 35.5)2 *6 =
50 – 60 55 3 35 (55 – 35.5)2 *3 =
 60 – 70 65 4 39 (65 – 35.5)2 *4 =
70 – 80 75 1 40 (75 – 35.5)2 *1 =
TOTAL 40 254.103

Solución
n

m i fi
15 * (4)  25 * (14)  35 * (8) ....  (75 * 1)
X  i 1
  36.5
n 40
el promedio en el gasto anual en publicidad que hacen las empresas es de
36,500 soles

M i  X 2
fi
S2   254.103
n 1

La varianza del gasto anual en publicidad es 254.103 soles

2.2. Desviación estándar

Es la raíz cuadrada de la varianza, al se un elemento que proviene de la

varianza, mide el grado de variabilidad de los datos respecto al promedio de la
muestra

 (x
i 1
i  X )2
S
n 1 = 15.941 soles

La desviación estándar del gasto anual en publicidad que hacen las empresas
es de 15.941 soles.
2.3. coeficiente de variación

El coeficiente de variación mide el porcentaje de variabilidad de los datos.

S 15.941
cv  * 100  cv  * 100  ........
X 36.500

El porcentaje de variación del gasto anual en publicidad de las empresas de

productos lácteos es 43.67 %

2.4. Error estándar de la media (EEM)

Mide el grado de dispersión de las medias de todas las posibles muestras que
pudieran extraerse de la población. Mide el grado de dispersión de las medias
muestrales respecto a la media poblacional μ (desconocida).

S
EE 
n

OTRAS MEDIDAS DE DISPERSION

1. Rango O Recorrido: R = Max-Min =

2. Recorrido Intercuartílico: RQ = Q3 - Q1
MEDIDAS DE ASIMETRÍA Y CURTOSIS

Llamados también medidas de forma, indican la morfología de la distribución de

los datos, es decir la simetría y apuntamiento que tiene el histograma de la
variable en estudio. Sólo se pueden calcular en variables medidas en escala
intervalar y de razón.

1.Clases de medidas

 Sesgo (Coeficiente De Asimetria)

 Curtosis

1.1. COEFICIENTE DE ASIMETRIA

Es la falta de simetría de la curva de distribución con respecto a la ordenada
levantada sobre la media aritmética.
Una curva de distribución de frecuencias es simétrica si las medidas de
tendencia: media, mediana, y moda coinciden en el mismo punto.

El coeficiente de asimetría mide el grado de aplastamiento de una curva

Se denota:
3  X  mediana 
Yi  I A 
S
COEFICIENTES DE ASIMETRIA
DE FISHER (Yi )
YI  0 Simétrica
YI  0 Asimétrica
YI  0 Asimetría Negativa
YI  0 Asimetría Positiva

FORMAS DE DISTRIBUCIONES MAS FRECUENTES

DISTRIBUCIÓN ASIMETRICA
 DISTRIBUCIÓN SIMETRICA DISTRIBUCIÓN SIMÉTRICA TRIANGULAR

B. COEFICIENTE DE CURTOSIS
La curtosis mide el grado de agudeza o achatamiento de una distribución con
relación a la distribución normal, es decir, mide cuán puntiaguda es una
distribución. La curtosis determina el grado de concentración que presentan
los valores en la región central de la distribución

COEFICIENTES DE KURTOSIS DE FISHER (Y2 )

Y2  0 o Y2  3 Mesocurtica Existe concentración normal
Y2  0 o Y2  3 Platicurtica Existe una concentración baja
Y3  0 o Y3  3 Leptocutica Existe una gran concentración

Basada en los cuartiles:

K (kappa) = coeficiente percentil de curtosis K=Y

Q3  Q1
Desviación Cuartílica 2 Q3  Q1
K   
Amplitud Cuartílica P90  P10 2 ( P90  P10 )

COEFICIENTES DE KURTOSIS DE FISHER (Y2 )

Y2  0 o K  0.263 Mesocurtica o Normal

Y2  0 o K  0.263 Platicurtica

Y3  0 o K  0.263 Leptocutica

TRABAJO DE AULA
Los ejemplos propuestos son para trabajarlos en aula con el programa SPSS

PROPUESTA Nº 1:
TABLA Nº : 50 Mujeres según Tasa de Acierto en la
Reproducción Asistida y la Edad
Tasa de Tasa De
 Acierto Edad Acierto Edad
30 25 24 38
33 26 21 39
32,5 27 20,5 40
30 28 18 41
34 29 15 42
31 30 11 43
34,5 31 8 44
32 32 7 45
31 33 3 46
30 34 2 47
29 35 0 48
28 36 0 49
27 37

PROPUESTA Nº 2:

Los datos siguientes corresponden al consumo mensual de litros de leche de

40 familias

PROPUESTA Nº 3:

TABLA Nº : 29 Mujeres según edad y evaluación de

sobresaturación de bilis
Sobresaturación Sobresaturación
Edad de Bilis: % Edad de Bilis: %
23 98 44 89
23 35 44 84
23 46 47 77
25 69 48 107
27 58 49 76
30 66 49 73
33 86 50 127
35 55 53 75
36 91 56 146
37 120 57 84
38 52 57 123
 40 65 60 87
41 80 63 142
41 82 74 128
42 116

PROPUESTA Nº 4:

Los datos siguientes corresponden a las etapas de 115 pacientes que padecen
de cáncer colorrectal
1 2 2 3 4 3 3 3 4 2
2 3 2 3 4 3 3 3 3 3
3 4 2 3 4 3 3 3 2
4 2 2 3 4 3 3 3 3 2
1 3 2 3 2 3 3 3 3 4
2 4 2 3 2 3 3 3 2 3
3 2 3 3 2 3 3 3 3 2
1 3 4 4 2 3 3 3 4
4 4 3 2 3 3 3 3 3 2
2 4 4 2 3 3 3 3 2
3 2 4 2 3 3 3 3 4
4 3 4 2 3 3 3 3 2

PROPUESTA Nº 5
Con la informacion indicar a que tipo de variariables corresponden las
siguientes datos:

Sexo, grupo sanguíneo, grado de disnea, grado de dolor, presencia o ausencia

de una enfermedad, presencia o ausencia de un factor de riesgo, intensidad del
hábito tabáquico, tipo de fumador, Triglicéridos, Hipertensión, Credo religioso,
Número de abortos Colesterolemia, Edad gestacional, Frecuencia cardiaca,
Test de apgar, Nº intentos de dejar fumar, Nivel económico, Edad, Peso,
Inmunización toxoplasma, LDL colesterol, Años de evolución, Hemoglobina,
Número de hijos

PROPUESTA Nº 6
Con los datos que se muestran a continuacion en la tabla sobre repetibilidad
interdiaria de los procedimientos de análisis del metabolismo férrico

Componente n Media Desviación Coeficiente de

estándar variación (CV %)
Hemoglobina 20 121,70 0,64 0,53
Hierro 20 0,99 0,01 1,20
Ferritina 20 94,50 4,24 4,49
Transferrina 20 3,25 0,094 2,89
Receptor soluble de la 20 2,39 0,13 5,44
transferrina

a. ¿Cuál de las variables muestra mayor variabilidad?

b. ¿Cuál de las variables muestra mejor coeficente de variación?
c. El valor de la media influye en el mayor porcentaje de variacion
d. El coefiencite de variacion es mejor si la desviacion estandar tiene un
valor alto
e. Indique si los valores obtenidos en el estudio corresponde a las escalas
de normalidad en un paciente
f. Clasifique a las variables de los grados de variacion permitido

PROPUESTA Nº 7
Tabla :Muestras de los pesos en onzas de tumores malignos extirpados del
abdomen de 57 personas.
68 65 22
63 43 43
42 25 27
27 74 49
30 51 28
36 36 23 69
28 42 19 47
32 44 57 23
79 28 51 46
27 31 50 30
22 28 38 43
23 25 21 49
24 45 16 12
25 12 24

PROPUESTA Nº 8
Los siguientes datos muestran los niveles de glucosa en la sangre extraida de
100 niños en ayunas

REALIDADES DE LA ESTADISTICA EN CIENCIAS MÉDICAS

...de lo estadísticamente significativo a lo clínicamente relevante

Por todo ello, es más apropiado que hablar de “SIGNIFICACIÓN

ESTADÍSTICA” es más correcto utilizar el concepto de “RELEVANCIA
CLÍNICA”; depende de…

1. La gravedad del problema,

2. La morbilidad y mortalidad generada por el mismo,
3. La magnitud de la diferencia,
4. La vulnerabilidad,
5. Los costes involucrados, etc.

HALLAZGOS ESTADÍSTICOS HALLAZGOS CLÍNICOS

1. Reflejan la influencia del azar en el 1. Reflejan el valor biológico del resultado

resultado

2. Derivan de grupos de individuos 2. Se practica en individuos específicos

3. Requieren cantidades adecuadas de datos 3. Las decisiones clínicas deben tomarse a

para ser válidas menudo con datos insuficientes

4. Las respuestas estadísticas son 4. Los tratamientos médicos requieren

probabilísticas decisiones oportunas comprometidas

5. El análisis estadístico siempre requiere 5. La práctica clínica no puede medir

medición. fácilmente cada función, cada sistema, cada
signo o síntoma clínico
Fuente: Dr. Manuel Bobenrieth Astete