Presentación

Nombre: Kevin Javier Ogando Encarnación

Materia: Matemática optativa
Profesor: Antony Ortiz
 Presentación
Al comenzar este trabajó hablaremos de
los siguientes temas
1-medidas de dispersión
En estadística, las medidas de dispersión (también
llamadas variabilidad, dispersión o propagación) es el
grado en que una distribución se estira o exprime

2-parametro de dispersión Parámetros de

dispersión. Son datos que informan de la
concentración o dispersión de los datos respecto de
los parámetros de centralización.

3-resolución de problemas con parámetros

de dispersión Un parámetro de una población es una
medida que resume o describe el comportamiento general
de dicha población.
 Medidas de dispersión.

En estadística, las medidas de dispersión (también

llamadas variabilidad, dispersión o propagación) es el
grado en que una distribución se estira o exprime.[1]
Ejemplos comunes de medidas de dispersión estadística son
la varianza, la desviación estándar y el rango intercuartil.

Una medida de dispersión estadística es un número real no

negativo que es cero si todos los datos son iguales y
aumenta a medida que los datos se vuelven más diversos.
La mayoría de las medidas de dispersión tienen las
mismas unidades que la cantidad que se mide. En otras
palabras, si las medidas están en metros o segundos,
también lo es la medida de dispersión. Los ejemplos de
medidas de dispersión incluyen:
1. Desviación Estándar
2. Rango intercuartil (IQR)
3. Rango
4. Diferencia absoluta media (también conocida como
diferencia absoluta media de Gini)
5. Mediana desviación absoluta (MDA)
6. Desviación media absoluta (o simplemente llamada
desviación media)
7. Desviación estándar de distancia

Estos se usan con frecuencia (junto con factores de escala)

como estimadores de parámetros de escala, en cuya capacidad
se denominan estimaciones de escala. Las medidas de escala
robustas no se ven afectadas por un pequeño número
de valores atípicos, e incluyen el IQR y el MAD.
Todas las medidas anteriores de dispersión estadística
tienen la propiedad útil de que son invariantes de ubicación
y de escala lineal. Esto significa que si una variable aleatoria X
tiene una dispersión de SX, entonces una transformación
lineal Y = aX + b para real a y b debería tener una dispersión
SY = | a | SX, donde | a | es el valor absoluto de a, es decir,
ignora un signo negativo anterior -.
Otras medidas de dispersión son adimensionales. En otras
palabras, no tienen unidades, incluso si la variable en sí
tiene unidades. Éstos incluyen:
1. Coeficiente de variación
2. Coeficiente de dispersión cuartil
3. Diferencia media relativa, igual al doble del Coeficiente de
Gini
4. Entropía: mientras que la entropía de una variable discreta
es invariante de ubicación e independiente de la escala, y
por lo tanto no es una medida de dispersión en el sentido
anterior, la entropía de una variable continua es invariante
de ubicación y escala aditiva: si Hz es la entropía de
variable continua z e y = ax + b, luego Hy = Hx + log (a).

Existen otras medidas de dispersión:

1. Varianza (el cuadrado de la desviación estándar): invariante
de ubicación pero no lineal en escala.
2. Relación de varianza a media: se utiliza principalmente para
los datos de conteo cuando se usa el término coeficiente de
dispersión y cuando esta relación no tiene dimensiones, ya
que los datos de conteo son adimensionales, de lo contrario.

Algunas medidas de dispersión tienen fines especializados,

entre ellos la varianza de Allan y la varianza de Hadamard.

Para las variables categóricas, es menos común medir la

dispersión por un solo número; ver variación cualitativa.
Una medida que lo hace es la entropía discreta.
 Parámetro de dispersión
Parámetros de dispersión. Son datos que
informan de la concentración o dispersión de los
datos respecto de los parámetros de centralización.

Por ejemplo, vamos a suponer que hemos realizado

el mismo examen en dos grupos distintos. En uno,
todos los alumnos han sacado la misma nota, un 5;
en otro, la mitad de los alumnos ha sacado un 0 y la
otra mitad un 10. ¿Cuál es la media en los dos
casos? ¿Se pueden considerar los dos grupos
iguales si la media coincide?

Parece entonces que no es suficiente con las

medidas de centralización, hace falta otros
parámetros que informen sobre la mayor o menor
concentración de los datos.

Recorrido. Se define el recorrido como la diferencia

entre el mayor y el menor de los valores de la
variable. Se representa por R. Nos indica un
intervalo en el que están comprendido todos los
datos.

A veces puede ocurrir que hay valores de la

variable, excesivamente pequeños o grandes que
hacen que la información que proporciona el
recorrido sea equivocada, por ejemplo si en la
estatura tenemos todos los alumnos y alumnas con
una estatura normal y uno o una mide alrededor de
dos metros. Para estos casos es más útil el
siguiente parámetro.

Recorrido intercuartílico. Es la diferencia entre

los cuartiles tercero y primero. Se representa por
RI (RI=C3-C1) y representa la amplitud del intervalo
en el que se encuentra el 50% central de los
datos. Desviación media. Al calcular la media,
podemos ver la diferencia que hay entre este
parámetro y cada valor de la variable, a la que
llamaremos desviación. Podemos definir la
desviación media como la media aritmética de todas
las desviaciones, pero si la calculamos nos
llevaremos la sorpresa de que vale 0. ¿Por qué?

Para evitar esta situación, se define la desviación

media como la media aritmética de los valores
absolutos de las desviaciones respecto de la media.
La podremos calcular con la fórmula:

Varianza. Se define la varianza como la media

aritmética de los cuadrados de las desviaciones
respecto de la media.

Para calcularla, aplicamos la fórmula:

Si desarrollamos esta fórmula, podemos encontrar

otra expresión más sencilla para el cálculo de la
varianza:

Desviación típica. Se define la

desviación típica como la raíz cuadrada positiva de
la varianza.

Resolución de problemas con los

parámetros de dispersión
Un parámetro de una población es una medida que resume
o describe el comportamiento general de dicha población.
En ocasiones, como en el caso de las poblaciones
pequeñas, se pueden observar todos los datos y, por tanto,
su comportamiento, pero esto no siempre es así. Es
entonces cuando sobre todo nos interesan estas medidas
ya que nos permiten conocer cómo se distribuyen los datos
sin necesidad de conocerlos todos.
En esta página explicamos el significado de algunos
parámetros (de centralización y de dispersión), cómo
calcularlos y los calcularemos en distintas poblaciones
pequeñas (problemas resueltos).Tabla resumen
Los parámetros se clasifican, básicamente, en parámetros
de centralización, dispersión, forma y posición según el tipo
de información que proporcionan.
Como curiosidad, cuando las poblaciones son muy grandes
(como todos los individuos de un país) no podemos calcular
los parámetros de un modo exacto. Entonces, utilizamos
los llamados estadísticos, que son aproximaciones de los
parámetros que se calculan a partir de una muestra más o
menos pequeña y representativa de la población total.
Existen estadísticos para cada parámetro. Por ejemplo, la
media muestral ¯¯¯xx¯ es un estadístico que se obtiene a
partir de una muestra de la población. Este estadístico es
una aproximación de la media μμ de la población.

Conclusión
Al concluir este trabajó hablamos de
algunos temas como lo son
1-medidas de dispersión
En estadística, las medidas de dispersión (también
llamadas variabilidad, dispersión o propagación) es el
grado en que una distribución se estira o exprime

2-parametro de dispersión Parámetros de

dispersión. Son datos que informan de la
concentración o dispersión de los datos respecto de
los parámetros de centralización.

3-resolución de problemas con parámetros

de dispersión Un parámetro de una población es una
medida que resume o describe el comportamiento general
de dicha población.

Bibliográficas
matesfacil.com
recursostic.educacion.
wikipedia.org