UNIVERSIDAD AUTÓNOMA DE SANTO DOMINGO

Maestro. Patiño
Sección: 10

Participante:
Yerami Mateo 100474238
Tema:
IV. MEDIDAS DE DISPERSION O VARIABILIDAD.
IV. MEDIDAS DE DISPERSION O VARIABILIDAD.

 Utilidad de estas medidas.

 Medidas absolutas de dispersión; rango o recorrido, desviación intercuartílica,

desviación media, varianza y desviación Estándar o típica.

 Procedimientos de cálculos e interpretación para datos simples y agrupados.

 Medidas relativas de dispersión.

 Coeficiente de variabilidad.
  MEDIDAS DE DISPERSIÓN
Las medidas de dispersión muestran la variabilidad de una distribución, indicándolo

por medio de un número, si las diferentes puntuaciones de una variable están muy alejadas de

la media. Cuanto mayor sea ese valor, mayor será la variabilidad, cuanto menor sea, más

homogénea será a la media. Así se sabe si todos los casos son parecidos o varían mucho entre

ellos

Las medidas de dispersión son números reales no negativos, su valor es igual a cero

cuando los datos son iguales y este se incrementa a medida que los datos se vuelven más

diversos.

Para calcular la variabilidad que una distribución tiene respecto de su media, se calcula

la media de las desviaciones de las puntuaciones respecto a la media aritmética. Pero la suma

de desviaciones positivas y negativas podría cancelarse entre sí, así que se adoptan dos clases

de estrategias para salvar este problema. Una es tomando las desviaciones en valor absoluto

(por ejemplo desviación media) y otra es tomando las desviaciones al cuadrado (por ejemplo

varianza).

Proporciona información adicional que permite juzgar la confiabilidad de la medida de

tendencia central. Si los datos se encuentran ampliamente dispersos, la posición central es

menos representativa de los datos.

  MEDIDAS ABSOLUTAS DE DISPERSIÓN

El Rango o recorrido:

Es la medida de variabilidad más fácil de calcular. Para datos finitos o sin agrupar, el rango

se define como la diferencia entre el valor más alto (Xn o Xmax.) y el más bajo (X1 ó Xmin)

en un conjunto de datos.

Rango para datos no agrupados;

R = Xmáx.-Xmín = Xn-X1

Ejemplo:

Se tienen las edades de cinco estudiantes universitarios de Ir año, a saber: 18,23, 27,34 y 25.,

para calcular la media aritmética (promedio de las edades, se tiene que:

R = Xn-X1) = 34-18 = 16 años

Con datos agrupados no se saben los valores máximos y mínimos. Si no hay intervalos de

clases abiertos podemos aproximar el rango mediante el uso de los límites de clases. Se

aproxima el rango tomando el límite superior de la última clase menos el límite inferior de la

primera clase.

Rango para datos agrupados;

R= (lim. Sup. De la clase n – lim. Inf. De la clase 1)

Desviación intercuartílica:

Esta medida de dispersión se construye basándose en la diferencia entre el tercer y primer

cuartil. En realidad es la mitad de esa diferencia.

Si se escribe Q1 y Q3 para el primer y tercer cuartil respectivamente, entonces la 'desviación

intercuartil' está definida por:

Esta estadística cumple una función similar a la desviación estándar, pero es mucho más

resistente al efecto de valores extremos en los datos. De hecho, los cuartiles primero y tercero

dejan entre sí la mitad de la muestra, La otra mitad se encuentra fuera y por lo tanto la

presencia de un bajo número de datos extremos no cambia el valor de la desviación

intercuartil.

Desviación media:

La desviación media es la media aritmética de los valores absolutos de las desviaciones

respecto a la media.

La desviación media se representa por Dx

Ejemplo:

Calcular la desviación media de la distribución:

9, 3, 8, 8, 9, 8, 9, 18

Calculamos la media aritmética para poder hallar las desviaciones respecto a la media

Aplicamos la fórmula de la desviación media

Desviación media para datos agrupados

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación

media es:

Ejemplo:

Calcular la desviación media de la distribución:

  xi fi

[10, 15) 12.5 3

 [15, 20) 17.5 5

[20, 25) 22.5 7

[25, 30) 27.5 4

[30, 35) 32.5 2

En primer lugar calculamos la media aritmética:

Incorporamos otra columna con los productos de las marcas de clase por sus frecuencias

absolutas correspondientes y hacemos la sumatoria (457.5).

Por otro lado realizamos la sumatoria de las frecuencias absolutas (21)

  xi fi xi · fi

[10, 15) 12.5 3 37.5

[15, 20) 17.5 5 87.5

[20, 25) 22.5 7 157.5

[25, 30) 27.5 4 110

[30, 35) 32.5 2 65

    21 457.5
Añadimos otra columna a la tabla con las desviaciones respecto a la media (|x - x|)

  xi fi xi · fi |x - x|

[10, 15) 12.5 3 37.5 9.286

[15, 20) 17.5 5 87.5 4.286

[20, 25) 22.5 7 157.5 0.714

[25, 30) 27.5 4 110 5.714

[30, 35) 32.5 2 65 10.714

    21 457.5  

Agregamos otra columna con los productos de desviaciones respecto a la media por

sus frecuencias absolutas correspondientes (|x - x| · fi) y calculamos su sumatoria

(98.75)

  xi fi xi · fi |x - x| |x - x| · fi

[10, 15) 12.5 3 37.5 9.286 27.858

[15, 20) 17.5 5 87.5 4.286 21.43

[20, 25) 22.5 7 157.5 0.714 4.998

[25, 30) 27.5 4 110 5.714 22.856

 [30, 35) 32.5 2 65 10.714 21.428

    21 457.5   98.57

Calculamos la desviación media

Desviación típica

En estadística, la desviación estándar (también representada por la letra griega minúscula

sigma σ o la letra latina s, así como por las siglas SD -de standard deviación- en algunos

textos traducidos del inglés) es una medida que se usa para cuantificar la variación o

dispersión de un conjunto de datos numéricos.

Una desviación estándar baja indica que la mayor parte de los datos de una muestra tienden a

estar agrupados cerca de su media aritmética (también denominada el valor esperado),

mientras que una desviación estándar alta indica que los datos se extienden sobre un rango de

valores más amplio.

Varianza

Esta medida nos permite identificar la diferencia promedio que hay entre cada uno de los

valores respecto a su punto central (Media). Este promedio es calculado, elevando cada una

de las diferencias al cuadrado (Con el fin de eliminar los signos negativos), y calculando su

promedio o media; es decir, sumado todos los cuadrados de las diferencias de cada valor

respecto a la media y dividiendo este resultado por el número de observaciones que se tengan.

Si la varianza es calculada a una población (Total de componentes de un conjunto), la

ecuación sería:

Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa

la media poblacional y (N) es el número de observaciones ó tamaño de la población. En el

caso que estemos trabajando con una muestra la ecuación que se debe emplear es:

Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa la

media de la muestra y (n) es el número de observaciones ó tamaño de la muestra. Si nos

fijamos en la ecuación, notaremos que se le resta uno al tamaño de la muestra; esto se hace
con el objetivo de aplicar una pequeña medida de corrección a la varianza, intentando hacerla

más representativa para la población. Es necesario resaltar que la varianza nos da como

resultado el promedio de la desviación, pero este valor se encuentra elevado al cuadrado.

 PROCEDIMIENTOS DE CÁLCULOS E INTERPRETACIÓN PARA DATOS

SIMPLES Y AGRUPADOS

La interpretación de los resultados estadísticos es un elemento crucial para la comprensión de

los avances en las ciencias médicas. Las herramientas que nos ofrece la estadística nos

permiten transformar la incertidumbre y aparente caos de la naturaleza en parámetros

medibles y aplicables a nuestra práctica clínica. La importancia de entender el significado y

alcance real de estos instrumentos es fundamental para el investigador, para los financiadores

de las investigaciones y para los profesionales que precisan de una actualización permanente

basada en buena evidencia y ayudas a la toma de decisiones. Se repasan diversos aspectos de

los diseños, resultados y análisis estadísticos, intentando facilitar su entendimiento desde lo

más elemental a aquello que es más común pero no por ello mejor comprendido y aportar una

mirada constructiva y realista, sin ser exhaustiva.

 MEDIDAS DE DISPERSIÓN RELATIVAS

Son indicadores de la dispersión de la distribución que se han relativizado, para que no

afecten las unidades de medida de la variable y para que puedan hacerse comparaciones entre

las dispersiones de conjuntos de datos dispares.

RECORRIDO SEMI-INTERCUARTÍLICO Rs = Q3-Q1/ (Q3+Q1)

COEFICIENTE DE VARIACIÓN DE PEARSON: 

Mide, en términos relativos, la dispersión alrededor de la media aritmética, es el más

utilizado, aunque presenta el inconveniente que es sensible a los cambios de "origen" en los

valores de la variable.

Índice de dispersión respecto a la mediana

VMe = D/Me

 COEFICIENTE DE VARIABILIDAD

En estadística, cuando se desea hacer referencia a la relación entre el tamaño de la

media y la variabilidad de la variable, se utiliza el coeficiente de variación.

Su fórmula expresa la desviación estándar como porcentaje de la media aritmética,

mostrando una mejor interpretación porcentual del grado de variabilidad que la

desviación típica o estándar. Por otro lado presenta problemas ya que a diferencia de

la desviación típica este coeficiente es variable ante cambios de origen. Por ello es

importante que todos los valores sean positivos y su media dé, por tanto, un valor
positivo. A mayor valor del coeficiente de variación mayor heterogeneidad de los

valores de la variable; y a menor C.V., mayor homogeneidad en los valores de la

variable, por lo que se recomienda que el C.V. no sea mayor al 2%. Suele

representarse por medio de las siglas C.V.

Se calcula: