ESPOCH

MAESTRIA EN GESTION INDUSTRIAL Y SISTEMAS PRODUCTUVOS

ESTADISTICA
CARLOS O. SORIA TUBN

PAQUETE ESTADISTICO O SOFTWARE ESTADISTICO
Conceptualmente, un paquete estadstico es un conjunto de programas informticos
especficamente diseados para el anlisis estadstico de datos con el objetivo de
resolver problemas de estadstica descriptiva, inferencial o ambos
Un paquete estadstico es un programa informtico que est especialmente diseado
para resolver problemas en el rea de la estadstica, o bien est programado para
resolver problemas de esta rea. Existen muchos programas que no son especialmente
estadsticos pero que pueden hacer algunos clculos aplicables en estadstica aplicada.
Estos programas han impulsado y siguen impulsando enormemente la labor de los
investigadores que desean utilizar la estadstica como apoyo en su trabajo.
Los paquetes ms sencillos tienen interfaz por ventanas, lo que implica facilidad de uso
y aprendizaje pero un mayor encorsetamiento a la hora de hacer clculos que el
programa no tenga predefinidos. Los programas ms complejos suelen tener la
necesidad de conocer su lenguaje de programacin, pero suelen ser mucho ms flexibles
al poderse incluir en ellos funciones, tests o contrastes que no traen instalados por
definicin.
VENTAJAS
La potencia de clculo de un ordenador puede ayudar a un investigador a realizar
cientos o miles de contrastes de hiptesis en un tiempo muy reducido. Asimismo puede
calcular decenas de modelos de regresin en un tiempo muy corto y despus quedarse
con el ms apropiado de ellos. En problemas de investigacin de operaciones un
programa estadstico es capaz de realizar miles de iteraciones por segundo de un
algoritmo en el que una persona tardara varios minutos en cada una de ellas. Asimismo,
es capaz de elegir entre miles de resultados posibles cul de todos ellos es el ptimo.
Bsicamente, lo que permiten es resolver problemas de estadstica aplicada por fuerza
bruta o por probar miles de combinaciones para quedarse finalmente con la que se crea
que es la mejor para el uso
DESVENTAJAS
En los programas ms complejos se necesita tener conocimientos de programacin, as
como para realizar los clculos ms laboriosos. Por ejemplo si se desea realizar una
operacin dada a una columna concreta, lo ms frecuente es que se pueda hacer esto por
ventanas, sin embargo, si deseamos hacer esto mismo para todas las columnas de
nuestro documento, que pueden ser centenares, es posible que necesitemos programar
un bucle en la sintaxis del programa.
Otro inconveniente est en que en estadstica a menudo nos pueden salir resultados
contradictorios entre tests distintos. Un programa informtico se dar cuenta de ello y
nos avisar de algn modo, pero tendr que ser el usuario el que decida a cul de los test
hacer caso, y esto en ocasiones es complejo, sobre todo si no se est familiarizado a
fondo con la estadstica o se tiene poca experiencia.
VARIABLES A TENER EN CUENTA ANTES DE ADQUIRIR O UTILIZAR UN
PAQUETE O SFTWARE ESTADSTICO
1.- COSTO: Este es uno de los puntos ms importantes que hay que tocar al momento
de elegir un Paquete Estadstico, desafortunadamente, el costo de sus licencias est
fuera del alcance de la mayor parte de los usuarios y la obtencin de copias ilegales no
es posible para muchos ni fcil en absoluto para ninguno.
2.- NIVEL DE SOFISTICACIN DEL USUARIO: Idealmente, ste debera ser un
entendido en estadstica y tener ciertos conocimientos de programacin. En la medida
que carezca de los segundos, tendr que renunciar a realizar por su cuenta cierto tipo de
anlisis que vayan ms all de los ms comunes; y en tanto que carezca de los primeros,
ser ms dependiente de aquellos paquetes con un interfaz ms informativo.
3.- TAMAO DEL CONJUNTO DE DATOS: En la mayor parte de los problemas -al
menos, en lo que respecta a su nmero, no a su dificultad ni importancia- esta variable
no supone ninguna restriccin significativa. De hecho, la mayora de los paquetes
pueden manejar sin mayores problemas conjuntos de datos no excesivamente grandes.
Slo cuando se rebasa cierto umbral es preciso considerar paquetes especficamente
diseados para hacer frente a este tipo de condicionantes.
4.- GRADO DE INTENSIDAD COMPUTACIONAL: El incremento en la potencia
computacional de los ordenadores permite hoy en da aplicar ciertas tcnicas
estadsticas impensables hace unos aos y ampliar su campo de aplicacin a mbitos
inasequibles para las tradicionales. Las tcnicas de re muestreo o de validacin cruzada,
ciertos tests exactos y gran parte de las tcnicas exigen una enorme capacidad de
clculo.
No todos los paquetes estadsticos estn igualmente adaptados para este tipo de
problemas. Con muchos de ellos -por ejemplo, Minitab, Stata y gran parte de los
paquetes gratuitos- resulta simplemente imposible porque fueron diseados nicamente
para implementar tcnicas tradicionales y carecen de un verdadero lenguaje de
programacin asociado que resulte eficiente.
5.- ERGONOMA: Curiosamente, el aspecto que tal vez ms encarezca determinados
paquetes estadsticos es el ergonmico: la posibilidad de contar con ayudas interactivas
o tutoriales, de representar grficamente datos con un golpe de ratn, de exportar
automticamente los resultados a formato .html o .pdf, etc. Bajo cierto punto de vista, el
coste de las licencias es, de hecho, el costo de la impericia o la pereza. A la primera, en
mercadotecnia, se la suele denominar productivity; a la segunda, learning curve. Es ms
productivo y exige menor esfuerzo mental un paquete estadstico en que para imprimir
no haya sino que pulsar el icono de la impresora, en que para visualizar unos datos baste
con visitar el men Grficos o el Importar para leer datos de un fichero con el formato
de cierta hoja de clculo. Este tipo de habilidades son realmente redundantes si se
cuenta con un mnimo de habilidad y no se pretende escatimar un poco de esfuerzo:
utilizando ficheros de texto como intermediarios, se pueden intercambiar datos con
cualquier hoja de clculo o con otros programas que permiten manipular datos o
grficos, gran parte de los cuales son de distribucin gratuita.
6.- FACILIDAD DE PROGRAMACIN: Si bien contar con lenguajes de
programacin complejos no es lo deseable, si lo es disponer de la capacidad de generar
programas sencillos tipo "batch files" que permitan realizar tareas de transformacin,
clculo de datos, realizacin de pruebas estadsticas, generacin de nuevos archivos y
documentos conteniendo resultados sin necesidad de estar digitando cada vez los
comandos correspondientes, con el consiguiente ahorro de tiempo y esfuerzo.
Programas estadsticos ms utilizados:
R
SAS
SPSS
Epi Info 7
SPAD
Stata
Statgraphics
Redatam
Minitab
Matlab
S-PLUS
LISREL
WinQSB
Excel
Existen multitud de paquetes informticos aparte es stos, tanto de software privado
como de software libre, sin embargo, los ms utilizados son estos. A pesar de que SAS
y SPSS suelen ser considerados los ms potentes, hay muchsimas empresas que utilizan
programas mucho menos potentes como Excel. Esto se debe sobre todo a que su uso
parece ms sencillo, la mayora de las personas estn familiarizadas con l y la mayor
parte de las empresas ya tienen instalado Excel en sus ordenadores, mientras que las
licencias de SAS y SPSS cuestan varios miles de dlares. Sin embargo, a nivel de
investigacin estadstica se utilizan siempre paquetes estadsticos propiamente dichos ya
que suelen tener una capacidad mucho mayor.
FUNCIONES ESTADISTICAS EN EXCEL
Las funciones Estadsticas sirven para realizar el anlisis de los datos almacenados en
una hoja de clculo. Permitiendo por ejemplo obtener el nmero de entradas de datos o
el valor promedio de los mismos.

La estadstica es una disciplina matemtica que estudia las formas de recopilar, resumir
y sacar conclusiones de los datos. Las funciones estadsticas de Excel permiten realizar
el anlisis estadstico de informacin, ya que este requiere de frmulas para obtener la
media, varianza mediana, desviacin estndar y otras.
Las principales funciones estadsticas comnmente utilizadas en Excel son:
PROMEDIO, CONTAR, FRECUENCIA, MAX, MEDIANA, MIN y MODA
El siguiente resumen muestra la lista de cules son las funciones estadsticas
predefinidas en Excel.
DESVPROM PROMEDIO
PROMEDIOA PROMEDIO.SI
PROMEDIO.SI.CONJUNTO DISTR.BETA
DISTR.BETA.INV DISTR.BINOM
DISTR.CHI PRUEBA.CHI.INV
PRUEBA.CHI INTERVALO.CONFIANZA
COEF.DE.CORREL CONTAR
CONTARA CONTAR.BLANCO
CONTAR.SI CONTAR.SI.CONJUNTO
COVAR BINOM.CRIT
DESVIA2 DISTR.EXP
DISTR.F DISTR.F.INV
FISHER PRUEBA.FISHER.INV
PRONOSTICO FRECUENCIA
PRUEBA.F DISTR.GAMMA
DISTR.GAMMA.INV GAMMA.LN
MEDIA.GEOM CRECIMIENTO
MEDIA.ARMO DISTR.HIPERGEOM
INTERSECCION.EJE CURTOSIS
K.ESIMO.MAYOR ESTIMACION.LINEAL
ESTIMACION.LOGARITMICA DISTR.LOG.INV
DISTR.LOG.NORM MAX
MAXA MEDIANA
MIN MINA
MODA NEGBINOMDIST
DISTR.NORM DISTR.NORM.INV
DISTR.NORM.ESTAND DISTR.NORM.ESTAND.INV
PEARSON PERCENTIL
RANGO.PERCENTIL PERMUTACIONES
POISSON PROBABILIDAD
CUARTIL JERARQUIA
COEFICIENTE.R2 COEFICIENTE.ASIMETRIA
PENDIENTE K.ESIMO.MENOR
NORMALIZACION DESVEST
DESVESTA DESVESTP
DESVESTPA ERROR.TIPICO.XY
DISTR.T DISTR.T.INV
TENDENCIA MEDIA.ACOTADA
PRUEBA.T VAR
VARA VARP
VARPA DIST.WEIBULL
PRUEBA.Z

A continuacin una breve descripcin de las funciones estadsticas Excel.
DESVPROM.- Devuelve el promedio de las desviaciones absolutas de la media de los
puntos de datos.
PROMEDIO.- Devuelve el promedio de sus argumentos.
PROMEDIOA.- Devuelve el promedio de sus argumentos, incluidos nmeros, texto y
valores lgicos.
PROMEDIO.SI.- Devuelve el promedio (media aritmtica) de todas las celdas de un
rango que cumplen unos criterios determinados.
PROMEDIO.SI.CONJUNTO.- Devuelve el promedio (media aritmtica) de todas las
celdas que cumplen mltiples criterios.
DISTR.BETA.- Devuelve la funcin de distribucin beta acumulativa.
DISTR.BETA.INV.- Devuelve la funcin inversa de la funcin de distribucin
acumulativa de una distribucin beta especificada.
DISTR.BINOM.- Devuelve la probabilidad de una variable aleatoria discreta siguiendo
una distribucin binomial.
DISTR.CHI.- Devuelve la probabilidad de una variable aleatoria continua siguiendo una
distribucin chi cuadrado de una sola cola.
PRUEBA.CHI.INV.- Devuelve la funcin inversa de la probabilidad de una variable
aleatoria continua siguiendo una distribucin chi cuadrado de una sola cola.
PRUEBA.CHI.- Devuelve la prueba de independencia.
INTERVALO.CONFIANZA.-Devuelve el intervalo de confianza de la media de una
poblacin.
COEF.DE.CORREL.- Devuelve el coeficiente de correlacin entre dos conjuntos de
datos.
CONTAR.- Cuenta cuntos nmeros hay en la lista de argumentos.
CONTARA.- Cuenta cuntos valores hay en la lista de argumentos.
CONTAR.BLANCO.- Cuenta el nmero de celdas en blanco de un rango.
CONTAR.SI.- Cuenta el nmero de celdas, dentro del rango, que cumplen el criterio
especificado.
CONTAR.SI.CONJUNTO.- Cuenta el nmero de celdas, dentro del rango, que cumplen
varios criterios.
COVAR.- Devuelve la covarianza, que es el promedio de los productos de las
desviaciones para cada pareja de puntos de datos.
BINOM.CRIT.- Devuelve el menor valor cuya distribucin binomial acumulativa es
menor o igual a un valor de criterio.
DESVIA2.- Devuelve la suma de los cuadrados de las desviaciones.
DISTR.EXP.- Devuelve la distribucin exponencial.
DISTR.F.- Devuelve la distribucin de probabilidad F.
DISTR.F.INV.- Devuelve la funcin inversa de la distribucin de probabilidad F.
FISHER.- Devuelve la transformacin Fisher.
PRUEBA.FISHER.INV.- Devuelve la funcin inversa de la transformacin Fisher.
PRONOSTICO.- Devuelve un valor en una tendencia lineal.
FRECUENCIA.- Devuelve una distribucin de frecuencia como una matriz vertical.
PRUEBA.F.- Devuelve el resultado de una prueba F.
DISTR.GAMMA.- Devuelve la distribucin gamma.
DISTR.GAMMA.INV.- Devuelve la funcin inversa de la distribucin gamma
acumulativa.
GAMMA.LN.- Devuelve el logaritmo natural de la funcin gamma, G(x).
MEDIA.GEOM.- Devuelve la media geomtrica.
CRECIMIENTO.- Devuelve valores en una tendencia exponencial.
MEDIA.ARMO.- Devuelve la media armnica.
DISTR.HIPERGEOM.- Devuelve la distribucin hipergeomtrica.
INTERSECCION.EJE.- Devuelve la interseccin de la lnea de regresin lineal.
CURTOSIS.- Devuelve la curtosis de un conjunto de datos.
K.ESIMO.MAYOR.- Devuelve el k-simo mayor valor de un conjunto de datos.
ESTIMACION.LINEAL.- Devuelve los parmetros de una tendencia lineal.
ESTIMACION.LOGARITMICA.- Devuelve los parmetros de una tendencia
exponencial.
DISTR.LOG.INV.- Devuelve la funcin inversa de la distribucin logartmico-normal.
DISTR.LOG.NORM.- Devuelve la distribucin logartmico-normal acumulativa.
MAX.- Devuelve el valor mximo de una lista de argumentos.
MAXA.- Devuelve el valor mximo de una lista de argumentos, incluidos nmeros,
texto y valores lgicos.
MEDIANA.- Devuelve la mediana de los nmeros dados.
MIN.- Devuelve el valor mnimo de una lista de argumentos.
MINA.- Devuelve el valor mnimo de una lista de argumentos, incluidos nmeros, texto
y valores lgicos.
MODA.- Devuelve el valor ms comn de un conjunto de datos.
NEGBINOMDIST.- Devuelve la distribucin binomial negativa.
DISTR.NORM.-Devuelve la distribucin normal acumulativa.
DISTR.NORM.INV.- Devuelve la funcin inversa de la distribucin normal
acumulativa.
DISTR.NORM.ESTAND.- Devuelve la distribucin normal estndar acumulativa.
DISTR.NORM.ESTAND.INV.- Devuelve la funcin inversa de la distribucin normal
estndar acumulativa.
PEARSON.- Devuelve el coeficiente de momento de correlacin de producto Pearson.
PERCENTIL.- Devuelve el k-simo percentil de los valores de un rango.
RANGO.PERCENTIL.- Devuelve el rango porcentual de un valor de un conjunto de
datos.
PERMUTACIONES.- Devuelve el nmero de permutaciones de un nmero
determinado de objetos.
POISSON.- Devuelve la distribucin de Poisson.
PROBABILIDAD.- Devuelve la probabilidad de que los valores de un rango se
encuentren entre dos lmites.
CUARTIL.- Devuelve el cuartil de un conjunto de datos.
JERARQUIA.- Devuelve la jerarqua de un nmero en una lista de nmeros.
COEFICIENTE.R2.- Devuelve el cuadrado del coeficiente de momento de correlacin
de producto Pearson.
COEFICIENTE.ASIMETRIA.- Devuelve la asimetra de una distribucin.
PENDIENTE.- Devuelve la pendiente de la lnea de regresin lineal.
K.ESIMO.MENOR.- Devuelve el k-simo menor valor de un conjunto de datos.
NORMALIZACION.- Devuelve un valor normalizado.
DESVEST.- Calcula la desviacin estndar a partir de una muestra.
DESVESTA.- Calcula la desviacin estndar a partir de una muestra, incluidos
nmeros, texto y valores lgicos.
DESVESTP.- Calcula la desviacin estndar en funcin de toda la poblacin.
DESVESTPA.- Calcula la desviacin estndar en funcin de toda la poblacin,
incluidos nmeros, texto y valores lgicos.
ERROR.TIPICO.XY.- Devuelve el error estndar del valor de y previsto para cada
x de la regresin.
DISTR.T.- Devuelve la distribucin de t de Student.
DISTR.T.INV.- Devuelve la funcin inversa de la distribucin de t de Student.
TENDENCIA.- Devuelve valores en una tendencia lineal.
MEDIA.ACOTADA.- Devuelve la media del interior de un conjunto de datos.
PRUEBA.T.- Devuelve la probabilidad asociada a una prueba t de Student.
VAR.- Calcula la varianza en funcin de una muestra.
VARA.- Calcula la varianza en funcin de una muestra, incluidos nmeros, texto y
valores lgicos.
VARP.- Calcula la varianza en funcin de toda la poblacin.
VARPA.- Calcula la varianza en funcin de toda la poblacin, incluidos nmeros, texto
y valores lgicos.
DIST.WEIBULL.- Devuelve la distribucin de Weibull.
PRUEBA.Z.- Devuelve el valor de una probabilidad de una cola de una prueba z.
DIAGRAMA DE TALLO Y HOJAS
El diagrama "tallo y hojas" (Stem-and-Leaf Diagram) permite obtener simultneamente
una distribucin de frecuencias de la variable y su representacin grfica. Para
construirlo basta separar en cada dato el ltimo dgito de la derecha (que constituye la
hoja) del bloque de cifras restantes (que formar el tallo).
Esta representacin de los datos es semejante a la de un histograma pero adems de ser
fciles de elaborar, presentan ms informacin que estos.
Ejemplos
Horarios de trenes
Edad de 20 personas
Comparar dos distribuciones
HORARIOS DE TRENES
Basndome en un artculo de Juan C. Drsteler En InfoVis.net, tomamos como ejemplo
un horario de trenes confeccionado a partir de un dptico de la lnea Castelldefels-
Barcelona/Sants recogido en la estacin de Renfe. Originalmente el horario ocupa una
tabla de 10 filas y 9 columnas ms una columna "viuda" con el tren de las 22:38. Un
total de 91 campos con formato hh.mm cada uno, 455 caracteres. Dptico original
Trayecto Castelldefels -> Barcelona-Sants
5.03 7.32 9.02 11.07 13.32 15.07 16.50 18.32 20.07
22.38
6.02 7.37 9.07 11.32 13.37 15.20 17.02 18.37 20.20
6.18 7.50 9.24 11.37 13.50 15.32 17.07 18.50 20.32
6.37 8.02 9.32 12.02 14.02 15.37 17.20 19.02 20.37
6.48 8.05 9.37 12.07 14.07 15.50 17.32 19.07 20.50
6.55 8.20 10.02 12.32 14.20 16.02 17.37 19.20 21.02
7.02 8.24 10.07 12.37 14.32 16.07 17.50 19.32 21.07
7.07 8.32 10.32 13.02 14.37 16.20 18.02 19.37 21.20
7.20 8.37 10.37 13.07 14.50 16.32 18.07 19.50 21.32
7.25 8.51 11.02 13.20 15.02 16.37 18.20 20.02 21.37
En el diagrama Stem & Leaf se representa la hora a la izquierda de la barra de
separacin | y los minutos de la salida de cada tren a la derecha. La frecuencia de los
trenes se deduce fcilmente de la longitud de las filas y es, adems, muy fcil ver en que
minutos de cada hora pasan tpicamente los mismos.
Castelldefels -> Barcelona-Sants Diagrama Stem & Leaf
05 | 03
06 | 02 18 37 48 55
07 | 02 07 20 25 32 37 50
08 | 02 05 20 24 32 37 51
09 | 02 07 24 32 37
10 | 02 07 32 37
11 | 02 07 32 37
12 | 02 07 32 37
13 | 02 07 20 32 37 50
14 | 02 07 20 32 37 50
15 | 02 07 20 32 37 50
16 | 02 07 20 32 37 50
17 | 02 07 20 32 37 50
18 | 02 07 20 32 37 50
19 | 02 07 20 32 37 50
20 | 02 07 20 32 37 50
21 | 02 07 20 32 37
22 | 38
Por otra parte, dado que a algunas horas se repite exactamente el horario de los trenes se
puede reducir an ms el tamao del grfico, sin perder informacin y ganando en
claridad.
Castelldefels -> Barcelona-Sants Diagrama Stem & Leaf reducido

05 | 03
06 | 02 18 37 48 55
07 | 02 07 20 25 32 37 50
08 | 02 05 20 24 32 37 51
09 | 02 07 24 32 37
10 11 12 | 02 07 32 37
13 14 15 16 17 18 19 20 | 02 07 20 32 37 50
21 | 02 07 20 32 37
22 | 38
Al final tenemos 59 campos de 2 dgitos, 118 caracteres ms los separadores, es decir 4
veces menos dgitos que con el horario original, menos espacio y ms claridad.
Esto nos da idea de que una disposicin apropiada de los datos puede ser doblemente
informativa y que la representacin grfica puede contribuir enormemente a la
percepcin de patrones y a la comprensin de la naturaleza de los fenmenos.
EDAD DE 20 PERSONAS
Supongamos la siguiente distribucin de frecuencias
36 25 37 24 39 20 36 45 31 31

39 24 29 23 41 40 33 24 34 40

Que representan la edad de un colectivo de N = 20 personas y que vamos a representar
mediante un diagrama de Tallos y Hojas.
Comenzamos seleccionando los tallos que en nuestro caso son las cifras de decenas, es
decir 3, 2, 4, que reordenadas son 2, 3 y 4.
A continuacin efectuamos un recuento y vamos aadiendo cada hoja a su tallo



Por ltimo reordenamos las hojas y hemos terminado el diagrama


COMPARAR DOS DISTRIBUCIONES
Podemos comparar, mediante estos diagramas, dos distribuciones. Supongamos una
segunda distribucin

35 38 32 28 30 29 27 19 48 40

39 24 24 34 26 41 29 48 28 22





De ella podemos elaborar sus diagramas de Tallos y Hojas y compararla con la anterior.



MEDIDAS DE DISPERCION

Las medidas de dispersin nos resumen la informacin de la muestra o serie de datos,
dndonos as informacin acerca de la magnitud del alejamiento de la distribucin de
datos en relacin a un valor central o de concentracin de los datos



RANGO.- Rango no es ms que la diferencia entre el mximo y mnimo valor de una
serie de datos y nos da una vaga referencia a la posible dispersin que se puede tener de
los datos.

Frmula de Rango:
Dato ms alto - Dato ms pequeo.
( X2 - X1 )

Interpretacin de Rango:
El Rango lo podremos interpretar como la amplitud existente entre una serie de datos, es
decir, mide cun lejos est el valor ms pequeo y el valor ms grande de la muestra o
poblacin.

Ejemplo de Rango:
Si tenemos una produccin de franelas y sabemos que diariamente se producen un
promedio de 500 franelas, y si un da se produce un mnimo de 415 franelas y otro da se
produce un mximo de 573 franelas entonces si vemos el RANGO de produccin estar
entre 158 franelas, es decir, podemos tener una produccin de 158 franelas a partir del
valor mnimo








DESVIACIN TPICA.- Es la Medida de Dispersin ms importante y de mayor utilidad
prctica, se representa normalmente por el smbolo (sigma) y es la que mejor nos da una
idea de la variacin de los datos respecto a algunas de las medidas de tendencia central o
posicin. En otras palabras, es el nmero que nos dice cun alejado estn los datos del valor
de centraje o posicin previamente obtenido.

Frmula de Desviacin Tpica:



Interpretacin de la Desviacin Tpica:
Es una medida de distancia promedio de los valores observados a su media. La distancia de
cada valor a la media se mide tomando el valor absoluto de la diferencia entre ese valor y la
media, es decir, es la distancia de cada dato respecto a su promedio.

Ejemplo de la Desviacin Tpica:
Por ejemplo, si tenemos una produccin de franelas y sabemos que diariamente se producen
un promedio de 500 franelas, adicionalmente tenemos tambin que la desviacin es de 25
franelas, tendremos entonces una mejor comprensin del proceso pues este ltimo nmero
nos indica que diariamente se producen entre 475 y 525 franelas.

VARIANZA.- es la Medida de Dispersin de los valores alrededor de la Media.
Caracterstica de una muestra o poblacin que cuantifica su dispersin o variabilidad. La
Varianza tiene unidades al cuadrado de la variable. Su raz cuadrada positiva es la Desviacin
Tpica. Equivale a la dispersin respecto de la Media en una serie de datos contnuos.

Interpretacin de la Varianza:
Esta medida carece de interpretacin.

Ejemplo de la Varianza:
No tiene ejemplos didcticos, la Varianza es ms para fines tericos que prcticos.
WEBGRAFIA
http://www.cavsi.com/ funciones-estadisticas-excel
http://estadisticaorquestainstrumento.wordpress.com/2012/11/30/tema-1-introduccion-
a-la-estadistica/
http://es.wikibooks.org/wiki/Estad%C3%ADstica/Introducci%C3%B3n





COEFICIENTE DE VARIACIN.- Es en realidad una Medida de Dispersin relativa, pero de gran
importancia, y de gran versatilidad, ya que su interpretacin est basada en porcentajes, y nos da la
relacin existente entre la medida de posicin o centraje y su precisin. Se suele expresar en "tanto"
por ciento.

Frmula del Coeficiente de Variacin:



Interpretacin del Coeficiente de Variacin:
El Coeficiente de Variacin, mide la variabilidad relativa a la Media. Expresa la proporcin de
variabilidad de una caracterstica por cada unidad de la Media.

Ejemplo del Coeficiente de Variacin:
Sabemos que la fbrica de textiles produce 500 franelas diarias con una desviacin tpica de ms o
menos () 25 franelas, entonces, el Coeficiente de Variacin ser 500/25 = 0,05, es decir, tenemos
una variacin de 5% en la produccin diaria de franelas.

UTILIDAD DE LAS MEDIDAS DE DISPERCION

Las estadsticas bsicas nos permiten tener una visin del comportamiento de una serie de sucesos o
eventos a los que denominamos "variables", as tenemos varias herramientas estadsticas como lo son
la Media, la Mediana y la Moda. Pero estas Medidas no son suficientes, necesitamos conocer la
variabilidad de los datos, es decir, cun parecidos son los datos reales en comparacin a las Medidas
de Tendencia Central, para esto contamos con esta nueva herramienta: las Medidas de Dispersin,
que no son otra cosa que indicadores de variabilidad y cuya importancia reside en la necesidad de
tomar decisiones, basadas en estadsticas bsicas.

Por ejemplo, si tenemos una produccin de franelas y sabemos que semanalmente se producen un
promedio de 500 franelas, podramos decir que todos los das se producen 100 franelas, pero nada
nos garantiza eso porque podran producirse en slo dos das 250 franelas y el promedio semanal nos
dara idntico, as si adicionalmente tenemos una Desviacin Estndar de 5 franelas, tendremos
entonces una mejor comprensin del proceso, pues este ltimo nmero nos indica que semanalmente
se producen entre 495 y 505 franelas, es decir, que diariamente s se deben producir
aproximadamente 100 franelas.




http://www.hiru.com/matematicas/aplicaciones-de-la-estadistica
http://www.monografias.com/trabajos91/acerca-estadistica/acerca-estadistica.shtml
http://www.estadisticaparatodos.es/taller/graficas/tallos_hojas.html