MEDIDAS DE DISPERSIÓN: Son estadísticos que permiten determinar el grado

de variabilidad o dispersión de los datos de una distribución.

Si este valor es muy pequeño comparado con la unidad de medida se dice
que los datos son uniformes o poco dispersos, al contrario, un valor muy alto
indica que los datos presentan poca uniformidad y gran dispersión de los
datos.
Si éste valor es igual a cero indica que todos los datos son iguales.
VARIANZA: Se define como la media aritmética de los cuadrados de las
desviaciones con respecto a la media aritmética.
Se denota por S2 (datos muestrales) y 𝜎 2 (datos poblacionales)
PARA DATOS NO AGRUPADOS:
𝑛
(𝑥1 −𝑥̅ )2+(𝑥2−𝑥̅ )2+(𝑥3 −𝑥̅ )2+⋯⋯+(𝑥𝑛−𝑥̅ )2
𝑛
∑𝑖=1(𝑥𝑖 −𝑥̅ )2 ∑ 𝑧𝑖2𝑛𝑖
𝑆2 = = = 𝑖=1
𝑛 𝑛 𝑛

Ejemplo: determinar la varianza para la siguiente distribución de datos

48 62 45 55 52 38 46 54 50 40
Se determina media aritmética
∑𝑥𝑖 48+62+45+55+52+38+46+54+50+40 490
𝑥̅ = 𝑛
= 10
= 10 = 49
Luego la varianza será
S2 =
(48−49)2 +(62−49)2 +(45−49)2 +(55−49)2+(52−49)2 +(38−49)2+(46−49)2 +(54−49)2+(50−49)2 +(40−49)2
𝑛

(−1)2+(13)2+(−4)2+(6)2+(3)2+(−11)2+(−3)2+(5)2 +(1)2+(−9)2
S2 = 10
 1+169+16+36+9+121+9+25+1+81 468
S2 = = 10 = 46.8
10

PARA DATOS AGRUPADOS

2
(𝑦1 − 𝑦̅)2 𝑛1 + (𝑦2 − 𝑦̅)2 𝑛2 + (𝑦3 − 𝑦̅)2 𝑛3 + ⋯ + (𝑦𝑘 − 𝑦̅)2 𝑛𝑘
𝑆 =
𝑛

𝑛
𝑛
∑𝑖=1(𝑦𝑖 −𝑦̅)2 𝑛𝑖 ∑ 𝑍𝑖2𝑛𝑖
𝑖=1
S2= =
𝑛 𝑛

Ejemplo: Determinar la varianza para la siguiente tabla de frecuencias

TIEMPO (segundos) ni
50-55 12
56-61 23
62-67 32
68-73 54
74-79 44
80-85 20
86-91 10
92-97 5
∑ 200

Se determina la marca de clase yi y luego la desviación con respecto a la

media aritmética Zi =yi -𝑦̅.
 TIEMPO (segundos) ni Yi Yini Zi= yi-𝑦̅ Zi2ni
50-55 12 52.5 630 -18.6 4151.52
56-61 23 58.5 1345.5 -12.6 3651.48
62-67 32 64.5 2064 -6.6 1393.92
68-73 54 70.5 3807 -0.6 19.44
74-79 44 76.5 3366 5.4 1283.04
80-85 20 82.5 1650 11.4 2599.2
86-91 10 88.5 885 17.4 3027.6
92-97 5 94.5 472.5 23.4 2737.8
∑ 200 14220 18864

La media aritmética está dada por:

𝑛
∑𝑖=1 𝑦𝑖 𝑛𝑖 14220
𝑦̅ = = = 71.1
𝑛 200
Luego la varianza está dada por:
𝑛
𝑛
∑𝑖=1(𝑦𝑖 −𝑦̅)2 𝑛𝑖 ∑ 𝑍𝑖2𝑛𝑖
𝑖=1 18864
S2= = = =94.32
𝑛 𝑛 200

DESVIACION TIPICA O ESTÁNDAR: Se define como la raíz cuadrada de la

varianza. Se denota por por S2 (datos muestrales) y 𝜎 2 (datos
poblacionales).
PARA DATOS NO AGRUPADOS:

(𝑥1 −𝑥̅ )2+(𝑥2−𝑥̅ )2+(𝑥3 −𝑥̅ )2+⋯⋯+(𝑥𝑛−𝑥̅ )2

𝑆=√ =
𝑛

𝑛 𝑛 2
∑ (
𝑥𝑖 −𝑥̅ )2 ∑ 𝑧 𝑛𝑖
S =√ 𝑖=1 = √ 𝑖=1𝑛 𝑖
𝑛
Ejemplo: determinar la varianza para la siguiente distribución de datos
48 62 45 55 52 38 46 54 50 40

Se determina media aritmética

∑𝑥𝑖 48+62+45+55+52+38+46+54+50+40 490
𝑥̅ = = = = 49
𝑛 10 10
Luego la varianza será
S2 =
(48−49)2 +(62−49)2 +(45−49)2 +(55−49)2+(52−49)2 +(38−49)2+(46−49)2 +(54−49)2+(50−49)2 +(40−49)2
𝑛

(−1)2+(13)2+(−4)2+(6)2+(3)2+(−11)2+(−3)2+(5)2 +(1)2+(−9)2
S2 = 10

1+169+16+36+9+121+9+25+1+81 468
S2 = = 10 = 46.8
10

Luego la desviación típica está dada por :

S =√𝑆 2 =√46.8 = 6.84

PARA DATOS AGRUPADOS

(𝑦1 − 𝑦̅)2 𝑛1 + (𝑦2 − 𝑦̅)2 𝑛2 + (𝑦3 − 𝑦̅)2 𝑛3 + ⋯ + (𝑦𝑘 − 𝑦̅)2 𝑛𝑘

𝑆=√
𝑛
 𝑛
∑𝑛 ̅)2 𝑛𝑖 ∑ 𝑍𝑖2𝑛𝑖
S= √ 𝑖=1(𝑦𝑖 −𝑦
=√ 𝑖=1
𝑛 𝑛

Ejemplo: Determinar la varianza para la siguiente tabla de frecuencias

TIEMPO (segundos) ni
50-55 12
56-61 23
62-67 32
68-73 54
74-79 44
80-85 20
86-91 10
92-97 5
∑ 200

Como ya se determinó la varianza para esta tabla se tiene que la desviación

típica está dada por:

S =√𝑆 2 = √94.32 = 9.71

PROPIEDADES DE LA DESVIACIÓN TÍPICA:
1) Es la medida de dispersión que más se utiliza, ya que es muy fácil de
calcular , basta agregarle a la tabla de frecuencias una columna más, la
de los cuadrados de las desviaciones con respecto a la media
aritmética ponderados
2) Es la mínima medida de dispersión en cuanto a desviaciones
cuadráticas se refiere; si las desviaciones no fuesen con respecto a la
media aritmética sino con respecto a otro valor ya sea mayor o menor
que la media aritmética, la suma de las nuevas desviaciones
cuadráticas resultará mayor.
3) La desviación típica se basa en todos los valores muestrales; por lo
tanto, su descripción de la dispersión es muy aceptable.
4) Mide la dispersión de todos los valores con respecto a la media
aritmética la media aritmética.
5) Si a todos los valores muestrales de un distribución de frecuencias se le
suma o se le resta un mismo valor contante la desviación típica no
varia.
6) Si a todos los valores muestrales de una distribución de frecuencias se
les multiplica o divide por un valor constante, la nueva desviación
típica será la misma multiplicada o dividida por el valor constante.
7) Si dos distribuciones de frecuencias con n1 y n2 números de datos
cuyas desviaciones típicas están dadas por S1 y S2, y que tienen la
misma media aritmética, entonces la varianza combinada para ambas
series, está dada por:

2
𝑠12 𝑛1 + 𝑠22 𝑛2
𝑠 =
𝑛1 + 𝑛2