Está en la página 1de 8

1.7.

MEDIDAS DE DISPERSIN

DEFINICIN
Las medidas de dispersin son valores de resumen que determinan aproximadamente la
variabilidad o el grado de separacin de los datos respecto de su medida central, que
generalmente es la media aritmtica. Estas medidas son: Varianza, Desviacin estndar y
Coeficiente de variacin.

A) Varianza
Definicin 1: (Datos no agrupados o no tabulados)
Es la suma de las separaciones o distancias al cuadrado de todos los valores numricos
observados respecto de su media, dividido por el nmero de datos menos uno.
Varianza muestral (
2
S
)

( )
1
2
2

=

n
x x
S
i

Donde:

i
x
: Valores numricos observados en una muestra.

x
: Media aritmtica
N : Tamao de la poblacin.
n : Tamao de la muestra.

Definicin 2: (Datos agrupados o tabulados)
Es la suma de las separaciones o distancias al cuadrado de todos los valores numricos
observados respecto de su media, multiplicado por su frecuencia absoluta simple y dividido
por el nmero de datos menos uno.
Varianza muestral (
2
S )
( )
2
2
*
1
i i
y Y f
S
n


Donde:

i
y
: Marca de clase de cada intervalo o valor numrico de cada clase.
Propiedades de la varianza
- La varianza es un nmero no negativo y viene expresado en unidades cuadrticas.
- La varianza puede calcularse tambin en distribuciones de frecuencias de intervalos de
amplitud diferente, siempre que puedan determinarse las marcas de clase.
- La varianza se afecta por valores extremos, ya que depende de todos los datos.

B) Desviacin estndar
Definicin: Es la raz cuadrada positiva de la varianza y nos indica cuanto es la
variabilidad. Se denota por S. Esto es:
2
S S =
Propiedades de la desviacin estndar
- La desviacin estndar es un nmero no negativo y viene expresada en las mismas
unidades en las que vienen expresados los datos.
- La desviacin estndar puede calcularse tambin en distribuciones de frecuencias de
intervalos de amplitud diferente, siempre que puedan determinarse las marcas de clase.
- La desviacin estndar se afecta por valores extremos, ya que depende de todos los
datos.

C) Coeficiente de Variacin
Definicin: Es una medida de dispersin relativa (libre de unidades de medida), que se
define como la desviacin estndar dividido por la media aritmtica. Comnmente se
denota por CV. Esto es:
100 *
X
S
CV =

- El coeficiente de variacin es una medida til para comparar la variabilidad de dos o
ms series de datos que tengan igual o distintas unidades de medida, con igual o
distinta media aritmtica.
- El coeficiente de variacin permite tambin indicar la alta (heterognea) o baja
dispersin (homognea) de una serie de datos bajo el siguiente criterio:
Si CV < 15%, la serie de datos presenta baja dispersin (o es homognea)
Si CV > 15%, la serie de datos presenta alta dispersin ( o es heterognea)
Ejemplo 1: La utilidad neta por la muestra de pedidos distribuidos por la empresa
Quemalapata fueron los siguientes:
a) 19.75, 20.5, 15.0, 31.2, 25.1, 28.0, 17.3, 32.5
b) 95.5, 10.6, 14.0, 27.7, 22.8, 20.1, 15.9, 9.0
Calcular e interpretar la varianza, desviacin estndar y coeficiente de variacin.
Solucin (a):
Varianza
Para hallar la varianza se necesita primero calcular la media aritmtica muestral, esto es:
19, 75 20, 5 15, 0 ... 32, 5
8
i
x
x
n
+ + + +
= =


X = 23,67
( )
2
2 2 2
2
(19, 75 23, 67) (20, 5 23, 67) ... (32, 5 23, 67)
1 8 1
i
x x
S
n

+ + +
= =


2
S = 42,37
2
soles

Desviacin estndar
S =
2
S = 42, 37
S = 6,51 soles
Interpretacin: La variabilidad o grado de separacin de cada utilidad del pedido respecto
de su promedio es aproximadamente 6,51 soles.

Coeficiente de variacin
6, 51
*100 *100
23, 67
S
CV
X
= =

CV = 27,50
Interpretacin: La variabilidad relativa indica que las utilidades de los pedidos son
altamente dispersos, toda vez que el CV = 27,50% > 15%.

Solucin (b)
Para el estudiante o lector, resulvalo y reflexione lo fcil que es.



Ejemplo 2: La utilidad neta de una muestra de 50 pedidos distribuidos por la empresa
Quemalapata se presenta en la siguiente tabla:
Calcular e interpretar la varianza, desviacin estndar y
coeficiente de variacin.
Solucin:

Varianza
Hallando primero la media aritmtica
7, 5 3 12, 5 10 ... 37, 5 2 1080
50 50
i i
y f
x x x
Y
n
+ + +
= = =


Y = 21,6
( )
2
2 2 2
2
*
(7, 5 21, 6) 3 (12, 5 21, 6) 10 ... (37, 5 21, 6) 2
1 50 1
i i
y Y f
x x x
S
n

+ + +
= =


2
3184, 5
49
S =
2
64, 99 S =

Desviacin estndar
2
64,99 S S = = 8, 06 S =
Interpretacin: La variabilidad o grado de separacin de cada utilidad del pedido respecto
de su promedio es aproximadamente 8,06 soles.

Coeficiente de variacin

[Utilidad neta)

i
f
05 10
10 15
15 20
20 25
25 30
30 35
35 - 40
3
10
7
15
5
8
2
8, 06
*100 *100
21, 6
S
CV
X
= =

CV = 37,31%
Interpretacin: La variabilidad relativa indica que las utilidades de los pedidos son
altamente dispersos, toda vez que el CV = 37,31% > 15%.

Ejemplo 3: El nmero de paquetes del pedido registrado en una muestra de 60, distribuidos
por la empresa Quemalapata se presenta en la siguiente tabla:
Calcular e interpretar la media aritmtica.






Solucin:

Varianza
1 6 2 9 ... 7 2 201
60 60
i i
y f
x x x
Y
n
+ + +
= = =

3, 35 3 Y = ~
( )
2
2 2 2
2
*
(1 3, 35) 6 (2 3, 35) 9 ... (7 3, 35) 2
1 60 1
i i
y Y f
x x x
S
n

+ + +
= =


2
119, 65
59
S =
2
2, 03 S =

Desviacin estndar
2
2, 03 S S = = S = 1,42
Interpretacin: La variabilidad o grado de separacin del nmero de paquetes en cada
pedido respecto de su promedio es aproximadamente 1,42.

Coeficiente de variacin
N de paquetes
i
x

i
f
1
2
3
4
5
6
7
6
9
20
15
5
3
2
1, 42
*100 *100
3, 35
S
CV
X
= =

CV = 42,39%
Interpretacin: La variabilidad relativa indica que el nmero de paquetes por pedido son
altamente dispersos, toda vez que el CV = 42,39% > 15%.

D) Medidas de Forma
Asimetra
Definicin: Es una medida que estudia la deformacin horizontal de los valores de la
variable respecto al valor central de la media. Las medidas de forma pretenden estudiar
la concentracin de la variable hacia uno de sus extremos.

De la relacin entre la media aritmtica, mediana y moda se puede obtener la
asimetra de un conjunto de datos. Esto es:
Si Mo Me X = = , los datos se distribuyen simtricamente.
Si Mo Me X < < , los datos tienen asimetra negativa.
Si X Me Mo < < , los datos tienen asimetra positiva.

Coeficiente Asimetra de Pearson
Definicin: Se define como el cociente de 3 veces de la diferencia entre la media y la
mediana sobre la desviacin estndar. Esto es:
( )
S
Me X
As

=
* 3

Interpretacin:
Si As = 0 los datos se distribuyen simtricamente
Si As > 0 los datos se distribuyen asimtricamente o sesgado positivamente
Si As < 0 los datos se distribuyen asimtricamente o sesgado negativamente

Ejemplo 12: Calcular e interpretar el coeficiente de asimetra de la utilidad neta de una
muestra de 50 pedidos distribuidos por la empresa Quemalapata y presentado en la tabla
por intervalos.
Solucin:
( )
3* Y Me
As
S

=

Por resultados anteriores se tiene:
Y = 21,6
8, 06 S =
Me = 21,67
Reemplazando en la formula:
3 (21, 6 21, 67)
8, 06
x
As

= As = - 0,026
Interpretacin: La utilidad neta de los pedidos distribuidos muestra un ligersimo sesgo o
asimetra hacia la izquierda o negativa.

Ejemplo 2: Obtenga los coeficientes de asimetra de los restantes ejemplos anteriores es
sencillo?

Kurtosis
Definicin: La kurtosis mide el grado de agudeza o achatamiento de una distribucin con
relacin a la distribucin normal, es decir, mide cun puntiaguda es una distribucin.
Tipos de kurtosis
La kurtosis determina el grado de concentracin que presentan los valores en la regin
central de la distribucin. As puede ser:
Leptocrtica.- Existe una gran concentracin.
Mesocrtica.- Existe una concentracin normal.
Platicrtica.- Existe una baja concentracin.

Coeficiente de kurtosis

4
1
2 2
( )
3
( )
m
i i
i
y Y xf
n
K
S
=

=




Interpretacin:
Si K = 0 los datos tienen distribucin mesocurtica o normal
Si K > 0 los datos tienen distribucin leptocrtica o son ms apuntada que la Normal
Si K < 0 los datos tienen distribucin platicrtica o son menos apuntada que la Normal