Medidas De Dispersión

http://3.bp.blogspot.com/-
39UCRpgyA4Y/TyfWxrCBUUI/AAAAAAAABO4/6BXM5W6B__4/s1600/comparativa+campana+de+g
auss+en+colores+ene+12.png

Este documento fue elaborado por la Maestra María Herasme y para su

realización fueron consultadas las siguientes fuentes:
• Custodio, Carlos (2007) Estadística Básica, 4ta. Edición, Editorial Búho,
República Dominicana.
• Johnson, Robert; Kuby, Patricia (2008) Estadística Elemental, Lo esencial,
Edición 1, Edición 2008, Editorial: Cengage Learning, Argentina.
• Richard I. Levin & David S. Rubín (2004), Estadística para Administradores,
7ma. Edición, Editorial Printice Hall, México.
• http://es.wikipedia.org/wiki/Medidas_de_dispersi%C3%B3n
Esta página fue modificada por última vez el 17 jun 2011, a las 13:11.
Licencia Creative Commons Atribución Compartir Igual 3.0;

1
 Medidas De Dispersión

El concepto de
variabilidad juega un
papel clave dentro de la
Estadística.

Si los hechos no se
repitieran o se repitieran
sin variación, la
Estadística no tendría
casi razón de ser.
https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcTg-
NekXkxuTOv5pLXCbLNhEVo0CYSGMoYA04SZ7MGIk9wgx7FjXg
Pero la realidad es que la
mayoría de los fenómenos se repiten y lo hacen mostrando variaciones de
mayor o menor magnitud.

En las unidades anteriores hemos construido distribuciones de frecuencias y

presentaciones de datos, además de calcular las medidas de posición, sin
embargo, estos valores necesitan otras medidas que le permitan garantizar la
confiabilidad de los mismos, de manera que el resultado obtenido se
corresponda con la realidad del objeto de estudio.
Si consideramos únicamente el valor central de un conjunto de datos o si
consideramos varios conjuntos de datos usando los valores centrales,
podemos llegar a conclusiones erróneas, por lo que, además del valor central
debemos considerar la dispersión, llamada con frecuencia variación de los
datos.
Es tan importante conocer un promedio como conocer la variabilidad de los
datos alrededor de él. Por ejemplo: Suponga que el ingreso promedio anual de
3 empleados de una compañía de seguros es de RD$ 19,000 pesos mensuales
y que el ingreso promedio de 3 empleados de una compañía aérea sea de
RD$19,000 pesos mensuales también. Si solo nos fijamos en el ingreso
promedio podríamos concluir erróneamente que los empleados de ambas
compañías tienen sueldos idénticos o casi idénticos. Pero si miramos por

2
detalle los salarios vemos que la conclusión no es correcta puesto que los
salarios de los empleados de la compañía de seguros es de RD$18,000.00,
RD$19,000.00 y RD$20,000.00, sin embargo los sueldos de los empleados de
la compañía aérea es de RD$7,000.00 pesos, RD$20,000.00 y RD$30,000.00.
Por lo que, se puede ver que independientemente de que el promedio de los
empleados de ambas compañías es el mismo, la variabilidad o dispersión es
muy distinta con respecto al promedio.

Esto evidencia que al analizar un conjunto de datos el valor central no es

suficiente para medir las características de un conjunto de datos.

Otro ejemplo es suponer que se le pregunta la edad a cada unos de sus

compañeros de clase y al buscar el promedio de edad resulta ser 25 años la
edad promedio, si tus compañeros de clase tienen en su mayoría edades muy
cercanas a los 25 años se podría decir que este promedio realmente
representa al conjunto de estudiantes, en cambio, si la mayoría de los
estudiantes tienen edades distantes de 25 años se puede concluir que el valor
promedio es insignificante porque los datos están muy dispersos.

Existen varias formas de medir la dispersión o variabilidad de un conjunto de

datos cuantitativos, estas son:

Absolutas:
1- Recorrido o Rango = R
2- Desviación Intercuartilica = DQ
3- Desviación Media = DM
4- Varianza = S2
Medidas de 5- Desviación Típica o Standard = S

Dispersión Relativas:

1- Coeficiente de Variación = CV

3
A Saber:
1- Recorrido o Rango: se define como la diferencia entre el valor máximo
y el valor mínimo. En el ejemplo de ilustración de esta unidad el ingreso
mensual de los empleados de la compañía de seguros observamos que el
sueldo mayor es RD$20,000.00 pesos y el sueldo menor es RD$18,000.00.
al calcular el rango obtenemos:
R = X max - X min
R = 20,000 – 18,000 = RD$2,000.00 Pesos

El rango para los empleados de la segunda compañía de área es:

R = 30,000.00 – 7,000.00 = RD$23,000.00 Pesos.

El cálculo de esta medida es sencillo, pero no es muy usada debido a que no

toma en cuenta todos los valores de la variable. Esta se utiliza para hacernos
una idea del comportamiento de los datos cuando se desea una medida simple
de la variabilidad o cuando por falta de tiempo no se pueden emplear medidas
más complejas.

2- Desviación Cuartilica o Intercuartilica: Es una medida de

dispersión absoluta, ya que al igual que el rango se basa en dos valores
para su cálculo, que es el cuartil de orden 3 y el cuartil de orden 1, no se
necesita de todos los valores de la distribución para su cálculo.
𝑄3− 𝑄1
𝐷𝑄 =
2
Ejemplo: El peso de 65 personas adultas viene dado por la siguiente tabla:
fi
Peso en Kg (No. Personas)

[50, 60) 8
[60, 70) 10
[70, 80) 16
[80, 90) 14
[90, 100) 10
[100, 110) 5
[110, 120) 2
Total 65

4
1er Paso: Encontrar la frecuencia acumulada de la distribución de frecuencias.

fi
Peso en Kg FI
(No. Personas)
[50, 60) 8 8
[60, 70) 10 8 +10 = 18 Q1
[70, 80) 16 18 + 16 = 34
[80, 90)
[90, 100)
14
10
34 + 14 = 48
48 + 10 =58
Q3
[100, 110) 5 58 + 5 = 63
[110, 120) 2 63 + 2 =65
Total 65

2do. Paso: Hallamos el Cuartil de orden 1:

𝐾𝑁
− 𝐹𝐼−1
𝑄𝑘 = 𝐿𝐼 + � 4 � 𝐶𝐼 =
𝑓𝑖

𝐾𝑁 1 ∗ 65 65
= = = 16.25
4 4 4

16.25 − 8 8.25
𝑄1 = 60 + � � 10 = 60 + � � 10 =
10 10

𝑄1 = 60 + �0.825�10 = 60 + 8.25 = 68.25 𝐾𝑔

3er paso: Hallamos el cuartil de orden 3:

𝐾𝑁
− 𝐹𝐼−1
𝑄𝑘 = 𝐿𝐼 + � 4 � 𝐶𝐼 =
𝑓𝑖

𝐾𝑁 3∗65 195
= = = 48.75
4 4 4

5
 48.75 − 48 0.75
𝑄3 = 90 + � � 10 = 90 + � � 10 = 90 + �0.075�10 = 90 + 0.75 =
10 10

𝑄3 = 90.75 𝐾𝑔

90.75 − 68.25 22.5

𝐷𝑄 = = = 11.25 𝐾𝑔
2 2
Quiere decir que la variabilidad de las observaciones en relación a los
elementos centrales es de 11. 25 kg.

Desviación Media

Se define como la media aritmética del valor absoluto de las desviaciones

individuales de los valores de la variable con relación a un promedio. En su
cálculo a diferencia del rango y la desviación intercuartìlica.

Se toman en cuenta todos los valores de la variable lo que la hace ser más
objetiva que las dos anteriores.

Desviación Media Para Datos NO Agrupados

∑𝑛
𝑖=0|𝑋𝑖−𝑋| 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝐷𝑀 = =
𝑁 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

Ejemplo: El número de pasajeros que abordaron 7 autobuses del transporte

público al salir de su terminar durante una hora fue como sigue:

𝑋𝑖 = 35, 40, 43, 44, 45, 46, 46

a) Hallar la desviación media del conjunto de datos anteriores.

1er Paso: Hallar la media aritmética

∑ 𝑋𝑖
𝑋= 𝑁
43+46+35+45+46+44+40 299
𝑋= = = 42.71 ≈ 43 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠
7 7

𝑿 = 𝟒𝟑 𝑷𝒂𝒔𝒂𝒋𝒆𝒓𝒐𝒔

6
2do. Paso: Restar a cada valor de la variable del promedio

Xi |𝑿𝒊 − 𝑿|
35 |35 − 43| = 8
40 |40 − 43| = 3
43 |43 − 43| = 0
44 |44 − 43| = 1
45 |45 − 43| = 2
46 |46 − 43| = 3
46 |46 − 43| = 3

� 20

20
𝐷𝑀 = = 2.9 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠 ≈ 3 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠
7

Desviación Media Para datos Agrupados

∑𝑛𝑖=0|𝑋𝑖 − 𝑋| ∗ 𝑓𝑖 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝐷𝑀 = =
𝑁 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
El peso de 65 personas adultas viene dado por la siguiente tabla:

fi
Peso en Kg (No. Personas)
[50, 60) 8
[60, 70) 10
[70, 80) 16
[80, 90) 14
[90, 100) 10
[100, 110) 5
[110, 120) 2
Total 65

1er Paso: Hallar la media aritmética para datos agrupados.

∑ 𝑋𝑖𝑓𝑖
𝑋=
𝑁

7
2do. Paso: Restamos a cada punto medio de clase el valor de la media
aritmética. 126.15

fi (No.
Peso en Kg
Personas)
Xi Xifi |𝑿𝒊 − 𝑿| |𝑿𝒊 − 𝑿|𝒇𝒊
[50, 60) 8 55 440 |55 − 79.77| =24.77 24.77*8 =198.16
[60, 70) 10 65 650 |65 − 79.77| =14.77 14.77*10 =147.7
[70, 80) 16 75 1200 |75 − 79.77| =4.77 4.77 * 16 = 76.32
[80, 90) 14 85 1190 |85 − 79.77| =5.23 5.23*14 = 73.22
[90, 100) 10 95 950 |95 − 79.77| =15.23 15.23 * 10= 152.3
|105 − 79.77|
[100, 110) 5 105 550 25.23 * 5 =151.15
= 25.23
[110, 120) 2 115 230 |115 − 79.77| =35.23 35.23 * 2 = 70.46
Total 65 5,185 ∑ 𝟖𝟒𝟒. 𝟑𝟏

∑ 𝑋𝑖𝑓𝑖 5,185
𝑋= 𝑋= = 79.77 𝐾𝑔
𝑁 65
∑𝑛
𝑖=0|𝑋𝑖−𝑋|∗ 𝑓𝑖 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝐷𝑀 = =
𝑁 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

844.31
𝐷𝑀 = = 12.989𝐾𝑔
65

Quiere decir que la dispersión o variabilidad de los datos con en relación con
la media aritmética es de 12.989g.

La Varianza y Desviación Típica o Standard

𝑆 2 = 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎

𝑆 = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑇í𝑝𝑖𝑐𝑎 𝑜 𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Para Datos No Agrupados

2 ∑𝑛
𝑖=0 (𝑋𝑖−𝑋)
2 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠 2
𝑆 = =
𝑛−1 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
1er Paso: Hallar la media aritmética

∑ 𝑋𝑖
𝑋= 𝑁
43+46+35+45+46+44+40 299
𝑋= = = 42.71 ≈ 43 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠
7 7
8
 𝑿 = 𝟒𝟑 𝑷𝒂𝒔𝒂𝒋𝒆𝒓𝒐𝒔
2do. Paso: Restar a cada valor (Xi) de la variable del promedio que en este
caso es 43.

Xi (Xi - X) (Xi – X)2

(35 - 43) = -
35 8 (-8)2 = 64
40 (40 - 43) = - 3 (-3)2 = 9
43 (43 - 43) = 0 (0)2 = 0
44 (44 - 43) = 1 (1)2 = 1
45 (45 - 43) = 2 (2)2 = 2
46 (46 - 43) = 3 (3)2 = 9
46 (46 - 43) = 3 (3)2 = 9
� 103

103 103
𝑆2 = = = 17.17 ≈ 17 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠 2
7−1 6
La varianza a veces no se interpreta claramente, ya que se mide en unidades
cuadráticas. Para evitar ese problema se define otra medida de dispersión, que
es la desviación típica, o desviación estándar, que se halla como la raíz
cuadrada positiva de la varianza.
La desviación típica informa sobre la dispersión de los datos respecto al valor
de la media; cuanto mayor sea su valor, más dispersos estarán los datos. Esta
medida viene representada en la mayoría de los casos por S, dado que es su
inicial de su nominación en inglés.

𝑆 = √17 = 4.21 ≈ 4 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠

Varianza Para Datos Agrupados

2 ∑𝑛 2
𝑖=0 (𝑋𝑖−𝑋) ∗ 𝑓𝑖 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠 2
𝑆 = =
𝑛−1 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
1er Paso: Hallar la media aritmética para datos agrupados

∑ 𝑋𝑖𝑓𝑖
𝑋=
𝑁

9
2do. Paso: Restamos a cada punto medio de clase el valor de la media
aritmética.

Peso en Kg fi Xi Xifi (Xi - X) (Xi - X)2 (Xi - X)2fi

[50, 60) 8 55 440 (55 - 79.77) = -24.77 (-24.77)2 = 613.55 613.55 *8=4,908.4
[60, 70) 10 65 650 (65 - 79.77) = -14.77 (-14.77)2 =218.15 218.15*10=2,181.5
[70, 80) 16 75 1,200 (75 - 79.77) = -4.77 (-4.77)2 =22.75 22.75*16 = 364.05
[80, 90) 14 85 1,190 (85 - 79.77) = 5.23 (5.23)2 =27.35 27.35*14 = 382.94
[90, 100) 10 95 950 (55 - 79.77) = 15.23 (15.23)2 =231.95 231.95*10=2,319.53
[100, 110) 5 105 525 (55 - 79.77) = 25.23 (25.23)2 =636.55 636.55*5=3,182.76
[110, 120) 2 115 230 (55 - 79.77) = 35.23 (35.23)2 =1,241.15 1,241.15*2=2,482.31

Total 65 5,185
� 𝟏𝟓, 𝟖𝟐𝟏. 𝟓𝟒

∑ 𝑋𝑖𝑓𝑖 5,185
𝑋= 𝑋= = 79.77 𝐾𝑔𝑠
𝑁 65

2
∑𝑛𝑖=0 (𝑋𝑖 − 𝑋)2 ∗ 𝑓𝑖
𝑆 =
𝑛−1
15,821.54 15,821.54
𝑆2 = = = 247.21𝐾𝑔𝑠 2
65 − 1 64

𝑆 = √247.21 = 15.72 Kgs

Quiere decir que la variación de los datos u observaciones en relación a media

aritmética es de 15.72

Coeficiente De Variación
𝑆
𝐶𝑉 = ∗ 100%
𝑋
4
𝐶𝑉 = ∗ 100% = 9.3%
43
15.72
𝐶𝑉 = ∗ 100% = 19.71%
79.77
Quiere decir que la variación de los datos u observaciones en relación a la
media aritmética es de 19.71%

10
Observa que para calcular en qué porcentaje están dispersos utilizamos
el Coeficiente De Variación (CV) y para su cálculo se dividió la desviación
típica (S) por la media aritmética (X) y este cociente se multiplicó por 100.

Conclusión

Es importante recordar que la Desviación Típica es la más usada en

estadística, tanto en aspecto descriptivo como analítico. Esto indica qué tanto
se alejan las observaciones o los datos de la media aritmética.

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.

11