Mat 233 1

MSc. Ing. Franklin Torres Espada

Medidas de Dispersión ó Estadígrafos de Dispersión.

Se trata de las medidas que nos permiten determinar el grado de variación que se tiene con
los datos que se están trabajando respecto a una medida referencial.

Desviación Media
Se conoce también como promedio de desviación de cada uno de los valores respecto de la
Media Aritmética.
Considerando el siguiente esquema se tiene:

Xn

X4
X3
X2
X1

Si se tiene una serie de valores tales como x1, x2, x3,… xn y la desviación de cada uno de
_ _
los valores lo denotamos como x1  x , x 2  x , …, el promedio de todas las desviaciones

será:

n _

x
i 1
i x
DM 
n

Si estamos trabajando con una distribución de frecuencias donde x1, x2, x3,… xk, las marcas
de clase y f1, f2, f3,… fk. Sus respectivas frecuencias. Entonces la Desviación Media se
puede describir de la siguiente manera:
Mat 233 2
MSc. Ing. Franklin Torres Espada

k _

 f i * xi  x
DM  i 1

Donde n es la suma de las frecuencias.

Desviación Estándar

Es llamada también Desviación Típica, y es posible determinar cuándo se tiene un

conjunto de números tales como x1, x2, x3,…, xn, se denota por σ y se define como la Media
Cuadrática de las desviaciones de cada uno de los valores respecto a la Media Aritmética:

 x  x
2
i
 i 1

Si nos encontramos frente a una distribución de frecuencias donde x1, x2, x3,…, xk son las
marcas de clase y f 1, f2, f3,… fk son sus respectivas frecuencias la desviación típica puede
expresarse:

 fi * xi  x 
2

 i 1
n
Donde:
k
n   fi   f
i 1

Debe tomarse en cuenta que en algunos casos la desviación estándar en su denominador

está definida como n-1 en lugar de n, porque el valor resultante representa un valor de
mejor estimación de la desviación típica, de una población de la que se ha tomado una
muestra. Pero esto solo ocurre para cantidad de valores pequeños, aproximadamente n ≤
30.
Mat 233 3
MSc. Ing. Franklin Torres Espada
La Varianza

La varianza de un conjunto de datos se define como el cuadrado de la Desviación Estándar

y viene denotada como σ2.

 x  x
2
i
2  i 1

n
Si estamos trabajando con una distribución de frecuencias, tenemos:

 f * x  x
2
i i
2  i 1

k
n   fi   f
i 1

Rango

El rango está considerado como una medida de dispersión, tomando en cuenta la

diferencia del valor máximo con el valor mínimo.

Rango  Vmáx  Vmín.

Rango Semi Intercuartílico

Se trata de la diferencia entre el tercer cuartil y el primer cuartil entre dos.

Q3Q1
RSQ
2
A la diferencia de Cuartiles se le llama rango Intercuartílico.
Mat 233 4
MSc. Ing. Franklin Torres Espada
Rango Semi Percentil 10-90

Se trata de la desviación existente entre en percentil 10 el percentil 90 entre dos, dándonos

una mejor aproximación que con otros percentiles, El rango Semi percentil también puede
ser (20-80),(30-70),etc. En función al grado de variación que se requiere obtener.

P 90  P 10
RSP
2
A la diferencia entre percentiles se le llama comúnmente Rango de Percentiles.

Coeficiente de variación
Desviación _ absoluta
Desviación _ relativa 
promedio

_
Si la desviación absoluta es la desviación estándar σ, y el promedio es la media x ,
entonces la desviación relativa se llama coeficiente de variación o coeficiente de dispersión
y se le denota por V, definida como:

V *100%
x
Y se expresa en general en forma de porcentaje.

Propiedades de la Desviación Estándar.

1.- Si la Desviación Estándar definimos como:

 x 
2
i
 i 1
n

Donde  puede ser un promedio diferente de la media aritmética.

Se obtendrá un valor mínimo para la desviación estándar cuando  tome un valor igual a
la media aritmética a que tome un valor cualquiera.

Si analizamos a la expresión que está dentro del radical tenemos:

 x  
2
i
f    i 1
n
Mat 233 5
MSc. Ing. Franklin Torres Espada

f ( ) 
 xi 2 2  xi * 
 
 2

n n n

xi xi 2
f ( )   2  2  
n n

Se tiene una función respecto de  y luego derivamos e igualamos a cero se tiene:

n

x i _
 i 1
x
n

Y además generamos la segunda derivada respecto de α, podemos demostrar que estamos

hablando de un valor mínimo.

2.- Analizando la media aritmética respecto a la desviación estándar se tiene:

a) El 68.27% de los casos en una distribución de frecuencias están comprendidos entre x -

 y x + .

b) El 95.45% de los casos leídos están comprendidos entre x - 2 y x + 2.

Mat 233 6
MSc. Ing. Franklin Torres Espada
c) El 99.73% de todos los casos leídos están comprendidos entre x - 3 y x+ 3.

3.- Si se tiene dos conjuntos de observaciones o dos distribuciones de frecuencias, donde el

primer conjunto se conforma de n1 observaciones o distribuciones de frecuencias con n1
datos y se tiene una varianza 12; y el segundo conjunto contiene n2 observaciones o
distribuciones de frecuencias con n2 datos y una varianza 22; y además, si ambos
conjuntos o distribuciones tiene la misma media aritmética x1 = x2, la varianza combinada
de ellos está dada por:
n1 12  n2 22
 
2

n1  n2
c

Cabe notar que c2 es en realidad una media ponderada de las varianzas.