Captulo

10
MEDIDAS DE DISPERSIN

07
Un importante concepto de la estadstica es que ningn promedio por s
mismo da una idea clara de la distribucin del evento; an cuando se
consideren adems los extremos superior e inferior, no existir una visin
clara de la variabilidad de fenmeno. Para entender este concepto bastar
con revisar los dos siguientes ejemplos:

Consideremos que se estudia un grupo de nios para determinar el nmero

de dientes temporales con alteraciones pulpares de tres zonas
habitacionales diferentes: urbana, suburbana y rural. Los datos son los que
a continuacin se presentan:

Rural 0, 1, 2, 3, 5, 7 y 10.
Suburbana 2, 2, 3, 3, 3, 5 y 5.
Urbana 3, 3, 3, 3, 3, 3 y 3.

En este ejemplo puedes observar, tanto el valor de la media y la mediana

es igual a tres dientes temporales con alteracin pulpar. Sin embargo, estos
valores no nos dan una idea clara acerca de la distribucin del evento. Se
mencionaba adems que para conocer la distribucin se podra observar
los extremos superior e inferior de la serie, as como la mediana o la media
aritmtica, sin embargo, esta situacin tampoco es confiable ya que estos
lmites pueden ser similares en las tres series, puede tener la misma media,
y no por estas razones deben tener distribuciones iguales. Daremos otras
series con el mismo ejemplo anterior, para que te sea ms claro:

Rural 0, 1, 2, 3, 5, 7 y 10.
Suburbana 0, 0, 1, 3, 3, 5 y 10.
Urbana 0, 2, 3, 3, 4, 6 y 10.

Aqu puedes ver que los lmites superior e inferior de las tres series son
iguales, as como la mediana. Lo que dificulta establecer si existen
diferencias en la distribucin del evento en los tres grupos en estudio.
130 Captulo 10 Medidas de Dispersin

Para ayudar a comprender mejor la distribucin y su comportamiento, es

necesario utilizar las llamadas medidas de dispersin o de variabilidad.
Estas medidas te permitirn conocer lmites, rangos y cunto se aleja cada
observacin de la media, mostrndote si las medidas estn muy prximas
o muy dispersas de la media. En otras palabras, cmo se distribuyen las
observaciones alrededor de ese promedio o esa mediana.

Observa las siguientes figuras para que comprendas mejor estos

conceptos:

RANGO O RECORRIDO

El rango es conocido tambin como amplitud o recorrido o campo de

variacin. El clculo de esta medida es sumamente simple, slo es
necesario restar al valor mayor el menor valor observado.

Como esta medida depende de los elementos extremos de la serie, de ah

que no sea una muy buena medida de anlisis. Pero desarrollemos un
ejemplo para que aprendas a calcularlo.

Se lleva a cabo un estudio en 20 Odontlogos, con el propsito de

establecer el tiempo que utilizan para realizar una extraccin simple, los
datos aparecen ya ordenados a continuacin (El tiempo fue estimado en
minutos):

20, 22, 22, 27, 29, 34, 35, 38, 41, 42, 43, 45, 51, 53, 53, 53, 56,
57, 62, 68
Fundamentos de Estadstica para Odontologa 131

Para establecer el valor del rango, restaremos del valor mximo, el valor
mnimo, esto es: 68- 20 = 48. Este resultado se interpreta de la siguiente
forma:

Entre cada odontlogo en estudio, existen hasta 48 minutos de diferencia

en la realizacin de una extraccin simple.

DESVIACIN MEDIA

Este estadstico, establece la variabilidad con respecto al valor central y se

obtiene sumando todos los valores absolutos de las diferencias de los
valores observados menos la media, dividido entre el total de
observaciones.

En series simples, se utiliza la siguiente frmula para calcular la desviacin

media:
n

X i X
DM i 1

n
De donde:

DM Desviacin media
Xi Valor de la observacin
X Media aritmtica de la serie
n Nmero total de observaciones o tamao de la muestra

Ahora desarrollaremos un ejemplo para que aprendas a calcular e

interpretar esta medida.

Se estudia un grupo de escolares y se quiere determinar cul es la

desviacin media del nmero de colutorios de flor recibidos por nio en el
esquema anual que es de doce autoaplicaciones, la serie que se presenta a
continuacin ya est ordenada:

0, 0, 2, 2, 3, 5, 5, 5, 6, 7, 8, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 11,

11, 11, 11, 11, 11, 11, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12,
12, 12, 12, 12, 12.

Lo primero que se debe calcular es la media aritmtica, la cual se obtiene

sumando todos los valores y dividiendo este resultado entre el total de
observaciones:
n

X i
430
X i 1
9.3
n 46
132 Captulo 10 Medidas de Dispersin

Ahora se aplica la frmula antes descrita para el clculo de la desviacin media,

esto es:
n

X i X
123.2
DM i 1
2.68 3
n 46

Este resultado se interpreta as: existe una diferencia en promedio de hasta

tres autoaplicaciones de flor del esquema de colutorios establecido, con
respecto a la media de lo ejecutado.

Ahora, para calcular la desviacin media en datos agrupados se utiliza la

siguiente frmula:
n

f i mi X
DM i 1

n
Consideremos el siguiente ejemplo: se quiere establecer la longitud
promedio en la dimensin vertical en 205 pacientes, observndose los
datos que a continuacin se presentan en el siguiente cuadro:

Cuadro 10.1 Longitud de la dimensin vertical en 205 pacientes C.S.U.

"Dr. Gastn Melo". Milpa Alta
Longitud * Centros de Nmero de fi mi
clase (mi) casos ( fi )
6.0 6.4 6.2 12 74.4
6.5 6.9 6.7 11 73.7
7.0 7.4 7.2 82 590.4
7.5 7.9 7.7 77 592.9
8.0 8.4 8.2 23 188.6
TOTAL 205 f i mi 1520
* En milmetros

Primero se debe calcular la media aritmtica, para lo cual se utilizar la

siguiente frmula, recordando que son datos agrupados:
n

fm i i
1520
X i 1
7.41
n 205

Una vez calculada la media aritmtica, se lleva a cabo la sumatoria de los

productos de la frecuencia de clase por los valores absolutos de las
diferencias de los centros de clase menos la media, el valor que se obtenga
se sustituye en el numerador de la frmula, y el denominador tendr el valor
del nmero total de observaciones:
Fundamentos de Estadstica para Odontologa 133

Longitud * Centros de Nmero de mi X f i mi X

clase ( mi ) casos ( fi )
6.0 6.4 6.2 12 1.21 14.52
6.5 6.9 6.7 11 0.71 7.81
7.0 7.4 7.2 82 0.21 17.22
7.5 7.9 7.7 77 0.29 22.33
8.0 8.4 8.2 23 0.79 18.17
TOTAL 205 f i mi X 80.05

f i mi X
80.05
DM i 1
0.3905 0.4
n 205

Este valor expresa que existe una diferencia hasta de cuatro milmetros con
respecto a la tendencia media de la misma.

VARIANZA Y DESVIACIN ESTNDAR

Como en una serie de observaciones existen valores mayores que la media

y otros menores, las desviaciones de la media resultarn ser unas positivas
y otras negativas y si se suman estas diferencias, obtenidas
algebraicamente, el resultado va a ser cero. En consecuencia, se podra
pensar que no existe dispersin, para evitar este error de apreciacin, se
procede a elevar al cuadrado estas desviaciones (para no tener valores
negativos). A la suma de estas desviaciones cuadrticas dividida entre n
menos 1, es lo que se denomina varianza. Sin embargo, como se elevaron
las desviaciones al cuadrado, esta medida de dispersin estar expresada
en unidades cuadrticas (Kg2 o mg2), por lo que no tendr interpretacin,
por ello, extraemos la raz cuadrada positiva y a esta medida se le
denomina desviacin estndar, que representa la dispersin de la serie de
datos. Es importante hacer notar que el denominador siempre es ( n 1 )
cuando se trabaja con muestras.

De esta manera la varianza se calcula con la siguiente frmula:

n 2
X i X
n
Xi nX
2 2

s 2 i 1 i 1
n 1 n 1
y la desviacin estndar por medio de la frmula:
n 2
X i X
n

Xi nX
2 2

s i 1 i 1
n 1 n 1
134 Captulo 10 Medidas de Dispersin

De donde:

s Desviacin estndar
Xi Valor de la observacin
X Media aritmtica de la serie
n Nmero total de observaciones o tamao de la muestra

Observa que hay dos frmulas, no es que sean diferentes, de hecho la

segunda sale de la primera por medio del desarrollo del binomio, y esto se
hace con el fin de simplificar los clculos ya que restar la media a cada una
de las observaciones y elevarlas al cuadrado para luego sumarlas, resulta
ms complicado que elevar al cuadrado cada observacin, sumarlas y
luego restarle el cuadrado de la media multiplicado por n.

Antes de desarrollar un ejemplo para que aprendas a calcular la desviacin

estndar, es necesario hacer la siguiente consideracin:

Esta medida establece la variabilidad de los valores observados con

respecto a la media aritmtica de los mismos, por lo tanto cada valor
estimado de las desviaciones, tienen una representacin proporcional de
los valores en cuanto a su distribucin, esto es:

Si la distribucin es normal (Gaussiana), la distancia de una desviacin

estndar (1s) a un lado y otro de la media, incluye el 68.3% de los valores
de la distribucin. As mismo, la distancia de dos desviaciones estndar (2s)
a ambos lados de la media, incluye aproximadamente el 95.5% de la
distribucin y el 99.73% estar incluido entre tres desviaciones estndar
(3s) de la media. Estas consideraciones, se pueden representar
grficamente de la siguiente forma:

Ahora aplicaremos un ejemplo para calcular la desviacin estndar en

series simples:

Se estudia en 24 estomatlogos, la calidad de ajuste en las coronas de

acero cromo que han colocado, midiendo la unin real entre la corona y el
tejido dentario (valores en micras), de donde se obtuvieron los siguientes
datos (serie ya ordenada):
Fundamentos de Estadstica para Odontologa 135

0.04, 0.05, 0.07, 0.07, 0.07, 0.09, 0.10, 0.10, 0.13, 0.18, 0.18,
0.19, 0.22, 0.27, 0.42, 0.47, 0.51, 0.52, 0.56, 0.74, 0.78, 0.90,
0.90 y 0.95.

Primero se obtiene el valor de la media aritmtica que para este ejemplo es

igual a 0.3546 micras.

Ahora debes calcular el valor de la sumatoria de los cuadrados de las

X X
n
2
diferencias de los valores originales menos la media i que es
i 1
igual a 2.1884 micras.

Finalmente el valor de n 1 es igual a 24 1 = 23 que es el nmero total de

estomatlogos en estudio menos uno. Sustituyendo en la frmula tenemos:

(0.04 0.3546) 2 ... (0.95 0.3546) 2 2.1884

s 0.0951 0.3085 0.31
23 23

Este resultado indica, que el 68.3% de las coronas colocadas por este
grupo de estomatlogos mostraron un desajuste 2.1884 0.3085; es decir,
entre 1.88 y 2.50 micras. El desajuste en el 95.5% de las coronas que
fueron colocadas fue entre 2.1884 2(0.3085); es decir, entre 1.57 y 2.81
micras y en el 99.7% el desajuste fue entre 2.1884 3(0.3085), esto es,
entre 1.26 y 3.11.

Ahora veamos la frmula que se utiliza para el clculo de la desviacin

estndar para datos agrupados:

n
f i mi X
n

f i mi2 n X
2 2

s i 1
i 1
n 1 n 1

Observa el siguiente ejemplo: se quiere establecer la dosis teraputica de

un antimicrobiano en procesos infecciosos bucales agudos, para lo cual se
tomaron 405 pacientes que presentaban abscesos agudos de origen
endodntico. Los resultados aparecen en el siguiente cuadro:
136 Captulo 10 Medidas de Dispersin

Cuadro 10.2 Efecto positivo teraputico antimicrobiano en pacientes

con absceso agudo de origen pulpar. I.M.S.O. Reforma. 1981
Dosis teraputica * Centros de clase Nmero de casos resueltos
(frecuencia fi )
( mi )
100 300 200 4
400 600 500 27
700 900 800 132
1000 1200 1100 115
1300 1500 1400 127
TOTAL 405
* En miligramos

Ahora calculemos la desviacin estndar:

Primero debes estimar el valor de la media aritmtica que para este ejemplo
n

fm i i
424200
es X i 1
1047.4074 1047.41 mg .
n 405

Para calcular la desviacin estndar nos ayudaremos con la tabla siguiente:

Dosis Centros de Frecuencia n

teraputica * clase ( mi ) fi fm
i 1
i
2
i

100 300 200 4 4(40 000) = 160 000

400 600 500 27 27(250 000) = 6 750 000
700 900 800 132 132(640 000) = 84 480 000
1000 1200 1100 115 115(1 210 000) =139 150 000
1300 1500 1400 127 127(1 960 000) =248 920 000
TOTAL 405 479 460 000
Sustituyendo en la frmula de la desviacin estndar

n
f i mi2 n X
2

479460000 405(1047.4074) 2
s i 1
n 1 404
479460000 405(1097062.2616)

404
35149784.0640
87004.4160 294.9651 294.97
404

La interpretacin de este valor es que en el 68.3% de los enfermos se

observ el efecto teraputico antimicrobiano a partir de una dosis de 752.44
mg a 1342.38 mg (1047.4074 294.97).
Fundamentos de Estadstica para Odontologa 137

COEFICIENTE DE VARIACIN

Se utiliza para comparar las dispersiones de dos muestras o para comparar

dos distribuciones diferentes y se obtiene dividiendo la desviacin estndar
entre la media aritmtica, y para obtenerlo en porcentaje se multiplica por
100.

La frmula es la siguiente:
s
CV 100
X
El coeficiente de variacin se interpreta de la siguiente forma:

0% < CV 10% variacin pequea

10% < CV 20% variabilidad aceptable
CV > 20% variabilidad grande

Para el ejemplo anterior del efecto positivo teraputico antimicrobiano en

pacientes con absceso agudo de origen endodntico, se tiene que el
coeficiente de variacin es:

294.9651
CV 100 28.16%
1047.4074
Como el coeficiente de variacin es superior al 20%, la variabilidad es muy
alta.

Consideremos otro ejemplo, sabemos que existe variabilidad en la

experiencia de caries en denticin permanente o secundaria en alumnos de
tres escuelas secundarias, sin embargo, se quiere determinar en cul de las
tres existe mayor dispersin, los datos aparecen el siguiente cuadro:

Cuadro 10.3 Nmero de dientes afectados por caries por plantel

escolar. Medelln, Colombia. 1992
Escuela Secundaria
dientes Centros de sector A sector B sector C
afectados clase
0-3 1.5 3 7 6
4-8 6 32 11 14
9 - 12 10.5 57 62 59
13 - 16 14.5 89 71 97
17 - 20 18.5 45 63 88
21 - 24 22.5 12 21 13
25 - 28 26.5 1 0 0
TOTAL 239 235 277
138 Captulo 10 Medidas de Dispersin

Primero se calcula la media aritmtica para cada uno de los planteles:

Plantel sector "A",

n

fm i i
3(1.5) 32(6) 1(26.5) 3214.50
XA i 1
13.4498 13.45
n 239 239
Plantel sector "B",
n

fm i i
7(1.5) 11(6) 21(22.5) 3395.00
XB i 1
14.4468 14.45
n 235 235
Plantel sector "C",
n

fm i i
6(1.5) 14(6) 13(22.5) 4039.50
XC i 1
14.5830 14.58
n 277 277

Ahora calculemos la desviacin estndar para cada plantel:

Plantel sector "A",

n
f i mi2 n X
2

3(1.5) 2 32(6) 2 1(26.5) 2 239(13.4498) 2

sA
i 1

n 1 238
21.4258 4.6288
Plantel sector "B",
n
f i mi2 n X
2

7(1.5) 2 11(6) 2 21(22.5) 2 235(14.4468) 2

sB
i 1

n 1 234
22.7399 4.7686
Plantel sector "C",
n
f i mi2 n X
2

6(1.5) 2 14(6) 2 13(22.5) 2 277(14.5830) 2

sC
i 1

n 1 276
18.8690 4.3438

Finalmente sustituyamos en la frmula:

4.6288
CV A 100 34.42%
13.4498
4.7686
CVB 100 33.01%
14.4468
Fundamentos de Estadstica para Odontologa 139

4.3438
CVC 100 29.79%
14.583
Con estos datos puedes observar que la experiencia de caries en el plantel
del sector "A" presenta mayor variabilidad, siendo la menor la del sector C.
Fcil, verdad?

Cuadro resumen
Desviacin media para series n

simples X i X
DM i 1

n
Desviacin media para datos n

agrupados f i mi X
DM i 1

n
Varianza para series simples n 2
X X
n
Xi nX
2 2
i
s2 i 1
i 1
n 1 n 1
Desviacin estndar para series n 2
X X
n
Xi nX
2 2
simples i
s i 1
i 1
n 1 n 1
Desviacin estndar para datos n
f i mi X
n

f i mi2 n X
2 2
agrupados
s i 1
i 1
n 1 n 1
Coeficiente de variacin s
CV 100
X