Está en la página 1de 7

Rango (estadstica)

La diferencia entre el menor y


el mayor valor.
En {4, 6, 9, 3, 7} el menor
valor es 3, y el mayor es 9,
entonces el rango es 9-3 igual
a 6.
Rango puede significar tambin
todos los valores de resultado
de una funcin.

Medidas de dispersin de datos


Las medidas de dispersin, tambin llamadas medidas de
variabilidad, muestran la variabilidad de una distribucin,
indicando por medio de un nmero si las diferentes
puntuaciones de una variable estn muy alejadas de
la media. Cuanto mayor sea ese valor, mayor ser la
variabilidad, y cuanto menor sea, ms homognea ser a
la media. As se sabe si todos los casos son parecidos o
varan mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene
respecto de su media, se calcula la media de las
desviaciones de las puntuaciones respecto a la media
aritmtica. Pero la suma de las desviaciones es siempre cero,
as que se adoptan dos clases de estrategias para salvar este
problema. Una es tomando las desviaciones en valor absoluto
(desviacin media) y otra es tomando las desviaciones al
cuadrado (varianza).

Rango estadstico
Requisitos del rangoOrdenamos los nmeros segn su tamao.

Restamos el valor mnimo del valor mximo


Ejemplo
Para la muestra (8, 7, 6, 9, 4, 5) el dato menor es 4 y el dato mayor
es 9. Sus valores se encuentran en un rango de:

Medio rango o Rango medio


El medio rango o rango medio de un conjunto de valores
numricos es la media del mayor y menor valor, o la tercera
parte del camino entre el dato de menor valor y el dato de mayor
valor. En consecuencia, el medio rango es:

Ejemplo[editar]
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor
valor Min= 3 y el dato de mayor valor Max= 8. El medio
rango resolvindolo mediante la correspondiente frmula sera:

Representacin del medio

rango:

Varianza
Artculo principal: Varianza
La varianza es una medida estadstica que mide la dispersin
de los valores respecto a un valor central (media), es decir, es el
cuadrado de las desviaciones:

Propiedades
La varianza es siempre positiva o 0:
Si a los datos de la distribucin les sumamos una cantidad
constante la varianza no se modifica.
1

Si a los datos de la distribucin los multiplicamos por una


constante, la varianza queda multiplicada por el cuadrado
de esa constante.

Propiedad
distributiva:
siempre y cuando las variables
independientes

,
y

sean

Desviacin tpica
La varianza a veces no se interpreta claramente, ya que se
mide en unidades cuadrticas. Para evitar ese problema se
define otra medida de dispersin, que es la desviacin
tpica, o desviacin estndar, que se halla como la raz
cuadrada positiva de la varianza. La desviacin tpica informa
sobre la dispersin de los datos respecto al valor de la media;
cuanto mayor sea su valor, ms dispersos estarn los datos.
Esta medida viene representada en la mayora de los casos
por S, dado que es su inicial de su nominacin en ingls.
Desviacin tpica muestral

Desviacin tpica poblacional

-->x = [17 14 2 5 8 7 6 8 5 4 3 15 9]
x = 17. 14. 2. 5. 8. 7. 6. 8. 5. 4. 3. 15. 9.
-->stdev(x)
ans = 4.716311
-->
Primero hemos declarado un vector con nombre X, donde
introducimos los nmeros de la serie. Luego con el comando
stdev se hallar la desviacin tpica.
Covarianza
Artculo principal: Covarianza
La covarianza entre dos variables es un estadstico resumen
indicador de si las puntuaciones estn relacionadas entre s.

La formulacin clsica se simboliza por la letra griega sigma


() cuando ha sido calculada en la poblacin. Si se obtiene
sobre una muestra, se designa por la letra " ".
La frmula suele aparecer expresada como:

Este tipo de estadstico puede utilizarse para medir el grado


de relacin de dos variables si ambas utilizan una escala de
medida a nivel de intervalo/razn (variables cuantitativas).
La expresin se resuelve promediando el producto de las
puntuaciones diferenciales por su tamao muestral (n pares
de puntuaciones, n-1 en su forma insesgada).
Este estadstico refleja la relacin lineal que existe entre dos
variables. El resultado numrico flucta entre los rangos de
+infinito a -infinito. Al no tener unos lmites establecidos no
puede determinarse el grado de relacin lineal que existe
entre las dos variables, solo es posible ver la tendencia.

Coeficiente de Correlacin de Pearson


El coeficiente de correlacin de Pearson, r, permite saber si
el ajuste de la nube de puntos a la recta de regresin
obtenida es satisfactorio. Se define como el cociente entre la
covarianza y el producto de las desviaciones tpicas (raz
cuadrada de las varianzas).

Teniendo en cuenta el valor de la covarianza y las


varianzas, se puede evaluar mediante cualquiera de las
dos expresiones siguientes:
Ejemplo Para una muestra de valores (3, 3, 5, 6, 8), el
dato de menor valor Min= 3 y el dato de mayor valor Max=
8. El medio rango resolvindolo mediante la
correspondiente frmula

sera:

Propiedades
El coeficiente de correlacin, r, presenta valores entre
1 y +1.
Cuando r es prximo a 0, no hay correlacin lineal
entre las variables. La nube de puntos est muy
dispersa o bien no forma una lnea recta. No se puede
trazar una recta de regresin.
Cuando r es cercano a +1, hay una buena correlacin
positiva entre las variables segn un modelo lineal y la
recta de regresin que se determine tendr pendiente
positiva, ser creciente.
Cuando r es cercano a -1, hay una buena correlacin
negativa entre las variables segn un modelo lineal y la

recta de regresin que se determine tendr pendiente


negativa: es decreciente.es