Facultad de Ingeniería

Estadística 1
Ing. Edwin Bracamonte Orozco

Medidas de Variabilidad o Dispersión

Rango:

El rango en una distribución de frecuencias nos permite determinar la amplitud de los datos que
se han agrupado, determinando la diferencia entre el limite real superior de la clase mayor y el
límite inferior de la clase menor. Es importante resaltar que es un valor inestable al incrementarse
el tamaño de la muestra, ya que es posible que valores extremos aislados ocurran.

𝑅 = 𝐿í𝑚𝑖𝑡𝑒 𝑟𝑒𝑎𝑙 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑚𝑎𝑦𝑜𝑟 − 𝐿í𝑚𝑖𝑡𝑒 𝑟𝑒𝑎𝑙 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑚𝑒𝑛𝑜𝑟

Variancia o varianza

La varianza es el promedio de las diferencias al cuadrado entre los valores observados y el

promedio aritmético, se le conoce también como el momento de orden 2, utilizado en el cálculo del
grado de asimetría y del grado de agudez. La raíz cuadrada nos proporciona la desviación
estándar.

En datos sin agrupar se calcula como:

∑(𝑋𝑖 − 𝑋̅)2
2
𝑠 =
𝑛

en datos agrupados se tienen varios métodos a igual que los utilizados para
el cálculo del promedio aritmético:

∑(𝑋𝑖 − 𝑋̅)2 ∗ 𝑓𝑖
2
𝑠 =
∑ 𝑓𝑖
2
2
∑ 𝑋𝑖2 ∗ 𝑓𝑖 ∑ 𝑋𝑖 ∗ 𝑓𝑖
𝑠 =[ −( ) ]
∑ 𝑓𝑖 ∑ 𝑓𝑖

2
2
∑ 𝑑𝑖´2 ∗ 𝑓𝑖
2
∑ 𝑑𝑖´ ∗ 𝑓𝑖
𝑠 =𝑖 [ −( ) ]
∑ 𝑓𝑖 ∑ 𝑓𝑖

Desviación estándar
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

La desviación estándar es la medida de la dispersión de los datos respecto de la media aritmética.

Corresponde a la raíz cuadrada de la varianza.

𝑠 = √𝑠 2

para nuestro ejemplo:

(𝑋𝑖 − 𝑋̅) (𝑋𝑖 − 𝑋̅) ∗ 𝑓𝑖 ) 𝑋𝑖 − 𝑋̅)2 ∗ 𝑓𝑖

-0.21392 -1.0696 0.22881
-0.14392 -2.01488 0.28998
-0.07392 -1.55232 0.11475
-0.00392 -0.16072 0.00063
0.06608 1.652 0.10916
0.13608 1.90512 0.25925
0.20608 0.61824 0.12741
0.27608 0.27608 0.07622
0.34608 0.34608 0.11977
0.00 1.32598
s^2 0.010607834

1.32598
𝑠2 = = 0.0106
125

𝑠 = √0.0106 = 0.10299 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

Coeficiente de variación relativa de Pearson

Es el cociente entre la desviación estándar y el promedio aritmético, expresado en porcentaje. Su

utilidad se pone de manifiesto cuando necesitamos realizar una comparación significativa entre
dos variables, las cuales pueden estar en unidades diferentes , o bien, están en las mismas
unidades, pero los promedios se encuentran muy alejados.

𝑠
𝑉= ∗ 100
𝑋̅

En nuestro ejemplo:
0.10299
𝑉= ∗ 100 = 5.298%
1.94392
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

Un ejemplo ilustrativo de la utilidad del coeficiente de variación, podría ser el siguiente:

Un estudio de las calificaciones en un curso interno sobre principios de administración y los años
de servicio de los empleados inscritos en el curso, dio como resultado estas estadísticas: la
calificación media fue 200, la desviación estándar 40. La media del número de años de servicio fue
20 años, la desviación estándar, de dos años. ¿Cuál de las variables tiene mayor dispersión?

Para las calificaciones tenemos que:

40
𝑉= ∗ 100 = 20%
200

Para el tiempo de servicio tenemos que:

2
𝑉= ∗ 100 = 10%
20

Como conclusión observamos que existe mayor dispersión relativa en las calificaciones que en el
tiempo de servicio.

Otro ejemplo de interés sería el siguiente:

Se va a comparar la variación de los ingresos anuales de ejecutivos con la variación de los ingresos
anuales de trabajadores no calificados. Para una muestra de ejecutivos 𝑋̅ = 500000 y s = 50000.
Para una muestra de trabajadores no calificados 𝑋̅ = 12000 s = 1200. Se tendría la impresión de
que la dispersión de los ingresos anuales de los ejecutivos es mayor que la de los trabajadores no
calificados, pero en términos relativos se tiene:

Para los ingresos anuales de los ejecutivos tenemos que:

50,000
𝑉= ∗ 100 = 10%
500,000

Para los ingresos anuales de los trabajadores no calificados tenemos que:

1,200
𝑉= ∗ 100 = 10%
12,000
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

Como conclusión no existe diferencia en la dispersión relativa de los dos grupos de ingresos.
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

Medidas de asimetría o sesgo

Debemos entender la asimetría o sesgo como el corrimiento que tiene el

promedio aritmético respecto de las medidas de tendencia central moda y mediana, o bien, el
corrimiento entre los cuartiles 1 y 3 respecto de la mediana.

Las relaciones de asimetría o sesgo se observan desde la construcción de la distribución de

frecuencias y en los gráficas histograma, polígono y curva de frecuencias de la siguiente forma:

a) Si 𝑋̅ = 𝑀𝑒 = 𝑀𝑂 existe simetría en la distribución de frecuencias y los coeficientes de asimetría

serán iguales a cero.

b) Si 𝑋̅ < 𝑀𝑒 < 𝑀𝑂 existe asimetría o sesgo negativo en la distribución de frecuencias, lo que

significa que los coeficientes de asimetría serán valores negativos. Esto debido a la influencia de
valores pequeños en la distribución.

c) Si 𝑋̅ > 𝑀𝑒 > 𝑀𝑂 existe asimetría o sesgo positivo en la distribución de frecuencias, lo que

significa que los coeficientes de asimetría serán valores positivos. Esto debido a la influencia de
valores grandes en la distribución.

Como referencia de comparación se puede considerar que los coeficientes de asimetría pueden
variar dentro del intervalo (-3, 3).

Para determinar los coeficientes de asimetría se pueden utilizar las

siguientes expresiones:

(𝑋̅ − 𝑀𝑂 )
𝑆𝑘1 =
𝑠

3 ∗ (𝑋̅ − 𝑀𝑒 )
𝑆𝑘2 =
𝑠

(𝑄3 − 𝑀𝑒 ) − (𝑀𝑒 − 𝑄1 )
𝑆𝑘3 =
𝑄3 − 𝑄1

En el ejemplo:
(1.94392 − 1.94389)
𝑆𝑘1 = = 0.000291
0.10299
En el ejemplo .....
3 ∗ (1.94392 − 1.94341)
𝑆𝑘2 = = 0.014856
0.10299
En el ejemplo .....
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco
(2.0107 − 1.94341) − (1.94341 − 1.8058)
𝑆𝑘3 = = − 0.343192
2.0107 − 1.8058

Medidas de agudez o curtosis

La agudez o curtosis mide el grado de apuntamiento de una distribución, de igual manera que el
sesgo la agudez puede variar dentro del intervalo (-3,3).

Para efectos de cálculo de la curtosis, generalmente se utilizan los llamados momentos de orden r:

∑(𝑋𝑖 − 𝑋̅)𝑟
𝑚𝑟 =
𝑛

Orden Datos sin agrupar Datos agrupados Uso como

𝑟=0 ̅
∑(𝑋𝑖 − 𝑋) 0 ∑[(𝑋𝑖 − 𝑋̅)0 ∗ 𝑓𝑖 ]
𝑚𝑟 = = 1 𝑚𝑟 = =1
𝑛 ∑ 𝑓𝑖
𝑟=1 ∑(𝑋𝑖 − 𝑋̅)1 [∑(𝑋𝑖 − 𝑋̅)1 ∗ 𝑓𝑖 ]
𝑚1 = = 0 𝑚1 = =0
𝑛 ∑ 𝑓𝑖
𝑟=2 ∑(𝑋𝑖 − 𝑋̅)2 ∑[(𝑋𝑖 − 𝑋̅)2 ∗ 𝑓𝑖 ] Varianza
𝑚2 = 𝑚2 =
𝑛 ∑ 𝑓𝑖
𝑟=3 ̅
∑(𝑋𝑖 − 𝑋) 3 ∑[(𝑋𝑖 − 𝑋̅)3 ∗ 𝑓𝑖 ] Medida de
𝑚3 = 𝑚3 = asimetría
𝑛 ∑ 𝑓𝑖
𝑟=4 ̅
∑(𝑋𝑖 − 𝑋) 4 ∑[(𝑋𝑖 − 𝑋̅)4 ∗ 𝑓𝑖 ] Medida de
𝑚4 = 𝑚4 = agudez
𝑛 ∑ 𝑓𝑖

Otra forma de calcular los momentos:

2
2
∑ 𝑑𝑖´2 ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖
𝑚2 = 𝑖 ∗ [ −( ) ]
∑ 𝑓𝑖 ∑ 𝑓𝑖
2
3
∑ 𝑑𝑖´3 ∗ 𝑓𝑖 ∑ 𝑑𝑖´3 ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖
𝑚3 = 𝑖 ∗ [ −3∗( )( )+2∗( ) ]
∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖
2 4
4
∑ 𝑑𝑖´4 ∗ 𝑓𝑖 ∑ 𝑑𝑖´3 ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖 ∑ 𝑑𝑖´2 ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖 ∑ 𝑑𝑖´ ∗ 𝑓𝑖
𝑚4 = 𝑖 ∗ [ −4∗( )( )+6∗( )( ) −3∗( ) ]
∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖 ∑ 𝑓𝑖

Para determinar los índices de asimetría se hace la siguiente relación entre los momentos:
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

𝑚32 𝑚3
𝛼1 = √ 3 = 3
𝑚2 𝑠

Para determinar la medida de la curtosis o agudez se hace La siguiente relación

entre los momentos:

𝑚4
𝛼2 = −3
𝑚22

𝑆𝑖 𝛼2 < 0 se dice que la distribución es Platicúrtica (de menor agudez)

𝑆𝑖 𝛼2 = 0 sedice que la distribución es Mesocúrtica (agudez media, normal)

𝑆𝑖 𝛼2 > 0 se dice que la distribución es Leptocúrtica (de mayor agudez)

En nuestro ejemplo se obtienen los siguientes resultados:

(𝑋𝑖 − 𝑋̅) (𝑋𝑖 − 𝑋̅) ∗ 𝑓𝑖 ) 𝑋𝑖 − 𝑋̅)2 ∗ 𝑓𝑖 𝑋𝑖 − 𝑋̅)3 ∗ 𝑓𝑖 𝑋𝑖 − 𝑋̅)4 ∗ 𝑓𝑖

-0.21392 -1.0696 0.22881 -0.04895 0.01047
-0.14392 -2.01488 0.28998 -0.04173 0.00601
-0.07392 -1.55232 0.11475 -0.00848 0.00063
-0.00392 -0.16072 0.00063 0.00000 0.00000
0.06608 1.652 0.10916 0.00721 0.00048
0.13608 1.90512 0.25925 0.03528 0.00480
0.20608 0.61824 0.12741 0.02626 0.00541
0.27608 0.27608 0.07622 0.02104 0.00581
0.34608 0.34608 0.11977 0.04145 0.01435
0.00 1.32598 0.03208 0.04795

1.32598
𝑚2 = = 0.01061
125
0.03208
𝑚3 = = 0.0026
125
0.04795
𝑚4 = = 0.00038
125

Cálculo de la Asimetría
 Facultad de Ingeniería
Estadística 1
Ing. Edwin Bracamonte Orozco

0.00262
𝛼1 = √ = 2.379
0.010613

asimetría hacia los valores superiores

Cálculo de la agudez
0.00038
𝛼2 = − 3 = 3.3756 − 3 = 0.3756
0.010612

con mayor agudez, lo cual se observaba en las gráficas.