SEMANA 3 – ESTADÍSTICA

ESTADÍSTICA

SEMANA 3
Medidas de dispersión

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase.
IACC
1
SEMANA 3 – ESTADÍSTICA

APRENDIZAJES ESPERADOS
 El estudiante será capaz de analizar
ejercicios y problemas estadísticos a
través del cálculo de medidas de
dispersión.

IACC
2
SEMANA 3 – ESTADÍSTICA

APRENDIZAJES ESPERADOS ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. MEDIDAS DE DISPERSIÓN ................................................................................................................. 5
1.1. RANGO O RECORRIDO ......................................................................................................... 5
1.2. VARIANZA ............................................................................................................................ 5
1.3. DESVIACIÓN ESTÁNDAR O TÍPICA ....................................................................................... 7
1.4. COEFICIENTE DE VARIACIÓN ............................................................................................... 9
2. MEDIDAS DE DISPERSIÓN CON EXCEL ............................................................................................... 12
COMENTARIO FINAL.......................................................................................................................... 14
REFERENCIAS........................................................................................................................................ 15

IACC
3
SEMANA 3 – ESTADÍSTICA
INTRODUCCIÓN
La primera propiedad que se puede
desarrollar de un conjunto de datos es
obtener las medidas de tendencia central
(promedio, moda y mediana), la segunda
propiedad que describe a un conjunto de
datos es la dispersión. Se entiende por
dispersión el grado de variación o
diseminación de los datos. Dos conjuntos de
datos pueden diferir tanto en tendencia
central como en dispersión o dos conjuntos
IACC
de datos pueden tener las mismas medidas
de tendencia central, pero diferir mucho en
términos de dispersión.
Los estadísticos de dispersión indican si la
distribución o conjunto de datos forma
grupos homogéneos o heterogéneos. Las
medidas de dispersión a estudiar son: rango,
desviación estándar, varianza y coeficiente
de variación.
4
SEMANA 3 – ESTADÍSTICA

1. MEDIDAS DE DISPERSIÓN
Las medidas de dispersión son medidas que tienen como objetivo determinar qué tan disperso o
diseminado se encuentra el conjunto de observaciones, respecto a un punto, en el caso de la
desviación estándar esta dispersión se calcula en relación a la media (promedio). A continuación
se definirán las principales medidas de dispersión:

1.1. RANGO O RECORRIDO

El rango es la diferencia entre el dato mayor de las observaciones y el dato menor, es decir:

Rango  Máximo  Mínimo

Si los datos están agrupados, para calcular el rango o recorrido, se tiene que revisar la tabla de
distribución de frecuencias. Primero se selecciona el límite superior del último intervalo y, luego, el
límite inferior del primer intervalo y se calcula la diferencia entre estos valores.

1.2. VARIANZA
La varianza de una distribución de frecuencias es la media aritmética de los cuadrados de las
diferencias entre los valores de la distribución y su media aritmética. El valor numérico de la
varianza cuantifica el grado de dispersión de los valores de una distribución de frecuencias
respecto a su media aritmética. Mientras mayor es la dispersión de las observaciones, mayor es la
magnitud de sus desviaciones respecto a la media aritmética y, por ende, más alto el valor
numérico de la varianza. La varianza no puede ser mayor que la media aritmética. Se calcula de la
siguiente forma:

Si la variable es discreta:

S 2

 (x 2
i )
X
2
X
n

IACC
5
SEMANA 3 – ESTADÍSTICA

Si la variable es continua:

S 2

 (Mc 2
 fi )
X
2
X
n

Una observación importante de la varianza es que posee dos fórmulas, una si es que se trata de
una población (σ2 ) y otra si se trata de una muestra ( S 2 ) :

Si la variable es discreta:

 (x  (x
2 2
) 2  X)
  X
2 i

2 i
S
n ; n 1

Si la variable es continua:

 (Mc  (Mc
2 2
2
 fi )  n  X 2
 fi )  n  X
 2
 S 2

n ; n 1

Ejemplos:

Se realizó una encuesta en el Ministerio de Salud de la República de Pomponia sobre el consumo

semanal de cigarros, obteniendo los siguientes datos:

N° de cigarros N° de funcionarios
30 7
35 12
40 10
41 15
45 6
Total 50

Como la fórmula es:

(X (X
2
 fi )  n  X  fi )
2 2
2
 2

i

i
X
n n

Sin embargo, se cambia Mc2 por Xi2, ya que a pesar de no ser una variable continua, al trabajar con
ella se reemplaza ese dato. Entonces, se construyen las columnas de la tabla para reemplazar los
datos en la fórmula:

IACC
6
SEMANA 3 – ESTADÍSTICA

N° de cigarros 𝒙𝒊 N° de funcionarios 𝒇𝒊 𝒙𝒊 ∙ 𝒇 𝒊 𝒙𝒊 𝟐 𝒙𝒊 𝟐 ∙ 𝒇 𝒊
30 7 210 900 6.300
35 12 420 1.225 14.700
40 10 400 1.600 16.000
41 15 615 1.681 25.215
45 6 270 2.025 12.150
Total 50 1.915 7.431 74.365

Luego, se reemplaza en la fórmula de la varianza para datos discretos (pues no hay intervalos), es
decir:

 2

 (x 2
i )
X
2

n
2
74.365  1.915 
 
2
   20,41
50  50 

1.915
(*) Recordar que: X 
50

1.3. DESVIACIÓN ESTÁNDAR O TÍPICA

La varianza no tiene la misma magnitud que las observaciones, por lo que es necesario tener otra
medida que garantice igual valor que los datos. La desviación estándar se define como la raíz
cuadrada de la varianza y se simboliza con una S, por lo tanto, si se eleva al cuadrado la desviación
estándar se obtiene la varianza, según esta definición la varianza se expresa en unidades distintas
de la variable original (el resultado es un valor al cuadrado).

Para cualquier variable, la desviación estándar se obtiene con la siguiente fórmula:

s x  S X2

Así, de acuerdo con el ejemplo anterior de la varianza:

s x  S X2  20,41  4,51

Ejemplo:

IACC
7
SEMANA 3 – ESTADÍSTICA

Realice el cálculo de desviación estándar para datos no agrupados.

Si un doctor de medicina general indicó la estatura de 6 pacientes:

1,81 – 1,75 – 1,59 – 1,89 – 1,56 – 1,80

Se debe calcular la varianza para variable discreta y después sacar la raíz cuadrada (suponiendo
que se tiene una población):

 2

 (x 2
i )
X
2

Se calcula primero el promedio:

1,81  1,75  1,59  1,89  1,56  1,8

X   1,73
6

Entonces:

 (x 2
i )

1,812  1,75 2  1,59 2  1,89 2  1,56 2  1,8 2 18,1124
  3,01873
n 6 6

Así, se tiene:

2  
( xi2 ) 2 18,1124
X   1,732  3,01873  2,9929  0,02583
n 6

Por lo tanto:

   X2  0,02583  0,1607

IACC
8
SEMANA 3 – ESTADÍSTICA

1.4. COEFICIENTE DE VARIACIÓN

Esta medida estadística determina la homogeneidad o variabilidad de una variable:

sx
CV 
X

Observaciones:

1) Si se multiplica por 100 queda la dispersión en porcentaje.

2) Permite comparar grupos de datos de distintas variables.
3) Homogéneo: igual, indiferenciado, uniforme, semejante, similar, idéntico, analógico.
4) Heterogéneo: diverso, variado, dispar, híbrido, mezclado, distinto, múltiple.

Ejemplo:

Si se tiene el sueldo y las edades de 5 individuos:

Edades (años) Sueldos (M$)

30-28-29-35-26 540-620-580-640-510

CV = 10,36% CV = 9,3%

Solución:

- Variable edad:

Edades (años)

30-28-29-35-26

CV = 10,36%

Se calcula primero el promedio:

30  28  29  35  26
X   29,6
5

IACC
9
SEMANA 3 – ESTADÍSTICA

Entonces:

 (x 2
i )

30 2  28 2  29 2  35 2  26 2 4.426
  885,2
n 5 5

De este modo se obtiene:

 2

 (x 2
i ) 2
 X  885,2  29,6 2  885,2  876,16  9,04
n

Por lo tanto:

   X2  9,04  3,00665928

Finalmente:

3,0665928
CV   0,10360111
29,6

Para la variable sueldos, se tiene:

Sueldos (M$)

540-620-580-640-510

CV = 9,3%

Se calcula primero el promedio:

540  620  580  640  510

X   578
5

Entonces:

 (x 2
i )

540 2  620 2  580 2  640 2  510 2 1.682.100
  336.420
n 5 5

IACC
10
SEMANA 3 – ESTADÍSTICA

Así, se tiene:

 2

 (x 2
i ) 2
 X  336.420  334.084 2  2.336
n

Por lo tanto:

   X2  2.336  48,3321839

Finalmente:

48,3321839
CV   0,0836197
578

Conclusión: los sueldos son más homogéneos que las edades de estas cinco personas.

IACC
11
SEMANA 3 – ESTADÍSTICA

2. MEDIDAS DE DISPERSIÓN CON EXCEL

A continuación, usando el archivo adjunto: ejemplo_coeficiente_variacion.xlsx, podrá practicar el
cálculo de las medidas de dispersión por medio de Excel:

Se ha registrado el siguiente listado de sueldos (en miles de pesos) de los trabajadores de una
empresa minera.

397,41 531,12 417,07 478,55 331,55 558,45 632,5 449,99 486,54 541,42
368,11 384,05 455,07 511,15 485,64 412,17 410,83 529,64 447,68 430,11
577,24 562,6 416,73 511,34 241,08 450,84 614,17 612,46 491,58 442,34
319,24 516,01 436,93 418,84 528,36 524,04 478,81 613,67 515,31 419,53
547,91 371,62 369,14 512,6 551,9 516,22 549,55 498,08 520,61 559,69
481,61 575,4 375,59 481,75 355,84 424,52 502,73 382,97 643,61 469,99
368,63 447,45 566,67 370,87 408,13 507,16 492,44 595,18 419,62 475,33
561,49 494,13 330,42 646,39 495,42 489,76 507,54 507 411,14 491,41
539,11 424,62 510,97 511,33 472,12 518,17 383,49 685,01 352,39 533,98
391,55 487,46 559,01 377,3 357,78 369,5 571,86 499,79 380,06 390,42
288,96 383,6 481,1 295,01 571,66 483,95 561,14 553,97 597,22 513,79
359,61 550,13 368,19 465,66 273,97 353,65 419,09 434,47 427,61 410,66
365,89 294,92 397,6 339,44 539,82 524,75 430,15 469,35 514,63 534,28
412,65 656,09 412,63 498,55 300,02 614,17 501,4 510,81 478,66 470,77
432,5 347,72 379,28 438,8 543,98 413,07 419,11 410,47 320,95 443,7
465,38 312,65 508,63 428,82 490,74 493,18 361,49 464,66 287,09 526,28
389,08 386,15 590,61 465,13 478,15 304,32 488,97 617,02 436,07 449,72
395,87 584,1 567,67 353,97 345,84 472,06 520,3 592,33 550,24 496,45
366,86 364,75 329,62 327,73 568,24 412,12 464,88 360,71 293,57 456,8
467,07 555,85 384,99 516,46 263,06 529,28 597,68 503,33 451,71 518,17

IACC
12
SEMANA 3 – ESTADÍSTICA

Fórmulas funciones de Excel:

 Rango:
= MAX(Celda_Inicial:Celda_Final) - MIN(Celda_Inicial:Celda_Final)

 Varianza para población:

= VAR.P(Celda_Inicial:Celda_Final)

 Varianza para muestra:

= VAR.S(Celda_Inicial:Celda_Final)

 Desviación estándar para población:

= DESVEST.P(Celda_Inicial:Celda_Final)
 Desviación estándar para muestra:
DESVEST.M(Celda_Inicial:Celda_Final)

Así, de acuerdo a nuestro ejemplo, tenemos:

Rango 443,93

Varianza poblacional 7778,772

Varianza muestral 7817,8614

Desviación estándar población 88,197347

Desviación estándar muestral 88,418671

Si se quiere calcular el coeficiente de variación, se tiene que sacar el promedio. Con la ayuda de
Excel, el resultado del promedio = 461,54525, por lo tanto:

Coef. variación población 88,197347

 0,19109
461,54525
Coef. variación muestral 88,418671
 0,19157
461,54525

IACC
13
SEMANA 3 – ESTADÍSTICA

COMENTARIO FINAL
Durante esta semana se aprendió a calcular las distintas medidas de dispersión tanto para datos
no agrupados como para datos agrupados, cuando la medida de las variables es la misma se
utilizará la desviación estándar como el estadígrafo para realizar el análisis e interpretación de
resultados, ya que no cambia la magnitud de la variable, a diferencia de la varianza cuyos valores y
obviamente las unidades respectivas se encuentran al cuadrado. La ayuda de Excel permite
realizar cálculos de manera más rápida, optimizando tiempo, cuando existe gran cantidad de
datos.

IACC
14
SEMANA 3 – ESTADÍSTICA

REFERENCIAS
Anderson, D.; Sweeney, D. y Williams, T. (2008). Estadística para administración y economía. 10ª

edición. México: Cengage Learning.

Devore, J. (1998). Probabilidad y estadística para ingeniería y ciencias. México: International

Thomson Editores.

Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gómez, R. (2004). Estadística para

administración y economía. 7ª edición. México: Pearson, Prentice-Hall. Recuperado de:

http://www.academia.edu/9701898/Estad%C3%ADstica_para_Administraci%C3%B3n_y_E

conom%C3%ADa_7ma._Edici%C3%B3n_-_Richard_I._Levin_and_David_S._Rubin

Ross, S. (1997). A first course in probability. EE.UU. Universidad de California, Berkeley.

IACC
15
SEMANA 3 – ESTADÍSTICA

IACC
16
SEMANA 3 – ESTADÍSTICA

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC
17
SEMANA 3 – ESTADÍSTICA

IACC (2018). Medidas de dispersión. Estadística. Semana 3

IACC
18