CURSO DE ESTADÍSTICA I

LECCIÓN 5: MEDIDAS NUMÉRICAS

1. Medidas de posición relativa y teorema de Chebyshev

1.1. Puntos z
Las medidas de posición relativa ayudan a determinar qué tan lejos de la media se encuentra un determi-
nado valor. La posición relativa de cualquier observación se puede determinar a partir de la media y la
desviación estándar. Supongamos un conjunto de observaciones, x1 , x2 , x3 , ..., xn . La media muestral
para este conjunto de datos es x̄, y la desviación estándar muestral es s. Para cada valor xi existe otro
valor llamado punto z o valor estandarizado, el cual está dada por la siguiente ecuación:
xi − x̄
zi = (1)
s
zi = punto z para xi
x̄ = media muestral
s = desviación estándar muestral

El punto zi representa el número de desviaciones estándar a las que xi se encuentra de la media.

Ejercicio: En la siguiente tabla de muestra un conjunto de datos que representan el número de estudiantes
de cinco (5) grupos de una Universidad. De forma teórica y haciendo uso de excel obtenga:
a) La media muestral x̄.
b) La desviación estándar muestral s.
c) Los puntos z que corresponden a cada uno de los datos de la muestra.
Interprete y explique el resultado obtenido en cada inciso.

Número de estudiantes Desviación (xi − x̄) Puntos z (xi − x̄/s)

46
54
42
46
32

Cuadro 1: Puntos z correspondientes a una muestra de cinco grupos de estudiantes.

Ejercicio: Para conocer el rendimiento de los estudiantes de un curso determinado, se aplicó un examen,
donde se registraron los siguientes resultados (en una escala de 0 a 100): 85, 86, 100, 76, 81, 93, 84, 99,
71, 69, 93, 85, 81, 87 y 89. De forma teórica y haciendo uso de excel obtenga:
a) La media muestral x̄.
b) La desviación estándar muestral s.
c) Los puntos z que corresponden a cada uno de los datos de la muestra.
Interprete y explique el resultado obtenido en cada inciso.

1
1.1.1. Teorema de Chebyshev
El teorema de Chebyshev establece que para todo conjunto de datos, por lo menos ((1−1/K 2 )×100) % de
las observaciones están dentro de K desviaciones estándar de la media, en donde K es cualquier número
mayor que 1.
1
1− (2)
K2
De esta manera, si K = 3 desviaciones estándar, entonces por lo menos
1
(1 − ) × 100 = 88.89 % (3)
32
de todas las observaciones estarán entre −k y k desviaciones estándar, es decir, para este caso, entre -3 y
3 desviaciones estándar, con respecto a la media.

Ejemplo: Para un conjunto de datos se reporta una media de 78.7 y una desviación estándar de 12.14.
Se requiere saber con que frecuencia los datos están dentro de K = 2 desviaciones estándar de la media,
e identificar dicho intérvalo.

Solución: Dos desviaciones estándar corresponden a 2 × 12.14 = 24.28, por lo tanto, y comparando con
la media, se tendrá un intérvalo de (78.7 − 24.28) = 54.42 a (78.7 + 24.28) = 102.98. Y por lo menos
1
(1 − ) × 100 = 75 % (4)
22
de los datos están en el intérvalo entre 54.42 y 102.98.

Ejercicio: En una encuesta nacional se encontró que los adultos duermen en promedio 6.9 horas por
noche. Suponga que la desviación estándar es 1.2 horas.
a) Emplee el teorema de Chebyshev para hallar el porcentaje de individuos que duermen entre 6 y 10
horas.
b) Mediante el teorema de Chebyshev encuentre el porcentaje de individuos que duermen entre 3.9 y 9.9
horas.
Nota: Plantee un sistema de dos ecuaciones con los limites inferior y superior de cada intérvalo, y resuelva
para hallar k.

1.1.2. Regla empı́rica

En muchas aplicaciones prácticas los datos muestran una distribución simétrica con forma de campana
como se muestra en la Figura 1. Cuando los datos tienen aproximadamente esta distribución, se puede
emplear la regla empı́rica para determinar el porcentaje de los valores de los datos que deben encon-
trarse dentro de un determinado número de desviaciones estándar de la media.

Cuando los datos tienen una distribución en forma de campana (Gaussiana):

Cerca de 68 % de los valores de los datos se encontrarán a no más de una desviación estándar desde
la media.
Aproximadamente 95 % de los valores de los datos se encontrarán a no más de dos desviaciones
estándar desde la media.

2
 Casi todos los valores de los datos estarán a no más de tres desviaciones estándar de la media.

Figura 1: Distribución Gaussiana

Ejemplo: Los envases con detergente lı́quido se llenan en forma automática en una lı́nea de producción.
Los pesos de llenado suelen tener una distribución en forma de campana. Si el peso medio de llenado es
de 16 onzas y la desviación estándar de 0.25 onzas, se puede aplicar la regla empirica para concluir lo
siguiente:

Aproximadamente 68 % de los envases llenados pesarán entre 15.75 y 16.25 onzas (estarán a no más
de una desviación estándar de la media).

Cerca de 95 % de los envases llenados pesarán entre 15.50 y 16.50 onzas (estarán a no más de dos
desviaciones estándar de la media).

Casi todos los envases llenados pesarán entre 15.25 y 16.75 onzas (estarán a no más de tres desvia-
ciones estándar de la media).

Haciendo uso del software Geogebra, obtenga la gráfica para cada uno los intérvalos anteriores, y muestre
los porcentajes de probabilidad.