UNIDAD IV MEDIDAS DE DSIPERSION

Medidas de Dispersión

Para empezar hablar sobre las medidas de dispersión tenemos que decir que estas se encuentran
mayormente cuando se va realizar un estudio estadístico, para así poder saber cuáles son los
medios o el grado en que dichos datos se separan o varían, esto con respecto al valor central, el
cual es obtenido por medio de las medidas de tendencia central, es decir que nos dicen el
grado de variación o de dispersión de los datos de la muestra, y configuran toda una
disciplina que es conocida por el nombre de “Teoría de la dispersión”

¿Cómo se usan las Medidas de Dispersión?

Generalmente estas son medidas que se toman para tener la posibilidad de establecer
comparaciones de diferentes muestras, para las cuales son conocidas ya medidas que se tienen
como típicas en su clase.
Como por ejemplo Si se conoce el valor promedio de los aprobados en las universidades de
Colombia, y al estudiar una muestra de los resultados de los exámenes de alguna Universidad
en particular, se encuentra un promedio mayor, o menor, del ya establecido se podrá juzgar
el rendimiento de dicha institución.

Rango

Es la medida de dispersión más fácil de calcular. Para datos finitos o sin agrupar, el rango se
define como la diferencia entre el valor más alto (Xn ó Xmax.) y el mas bajo (X1 ó Xmin)
en un conjunto de datos.

Rango para datos no agrupados

R = Xmáx.-Xmín = Xn-X1

Aquí cabe resaltar que 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 limite
inferior de la primera clase.

Rango para datos agrupados

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

Propiedades del Rango o Recorrido

El recorrido es la medida de dispersión más sencilla de calcular e interpretar puesto que

simplemente es la distancia entre los valores extremos (máximo y mínimo) en una distribución
al igual el recorrido se basa en los valores extremos éste tiende s ser errático. No es extraño que
en una distribución de datos económicos o comerciales incluya a unos pocos valores en
extremo pequeños o grandes. Cuando tal cosa sucede, entonces el recorrido solamente mide la
dispersión con respecto a esos valores anormales, ignorando a los demás valores de la variable.

Aquí podemos encontrar una desventaja del recorrido es que sólo está influenciado por los
valores extremos, puesto que no cuenta con los demás valores de la variable. Por lo que
siempre existe el peligro de que el recorrido ofrezca una descripción distorsionada de la
dispersión.

Varianza, Desviaciones Típicas y Coeficiente de Variación

La Varianza

Es una medida de dispersión relativa a algún punto de referencia. Ese punto de

referencia es la media aritmética de la distribución. Más específicamente es decir que esta es
una medida de que tan cerca, o que tan lejos están los diferentes valores de su propia
media aritmética. Cuando más lejos están las Xi de su propia media aritmética, mayor es la
varianza; cuando más cerca estén las Xi a su media menos es la varianza. Y se define y expresa
matemáticamente de la siguiente manera:

La varianza para datos no agrupados

Dado un conjunto de observaciones, tales como X1, X2, … , Xn, la varianza denotada
usualmente por la letra minúscula griega δ (sigma) elevada al cuadrado (δ2) y en otros casos S2
según otros analistas, se define como: el cuadrado medio de las desviaciones con respecto a
su media aritmética.

Se expresa de la siguiente manera:

La varianza para datos agrupados

Si en una tabla de distribución de frecuencias. Los puntos medios de las clases son X1, X2,
… , Xn; y las frecuencias de las clases f1, f2, … , fn; la varianza se calcula así:

Σ(Xi-□)2f1

δ2 =

Σfi

Cabe resaltar que la formula anterior tiene algún inconveniente para su uso en la práctica,
sobre todo cuando se trabaja con números decimales o cuando la media aritmética es un
número entero. Asimismo cuando se trabaja con máquinas calculadoras, La tarea de computar
la varianza se simplifica utilizando la fórmula de computación que se da a continuación:
Propiedades de la varianza:

A. Si siempre un valor no negativo, que puede ser igual o distinta de 0

B. La varianza es la medida de dispersión cuadrática óptima por ser la menor de

todas.

C. Si a todos los valores de la variable se le suma una constante la varianza no se modifica.

D. Si en una distribución obtenemos una serie de subconjuntos disjuntos, la varianza de la

distribución inicial se relaciona con la varianza de cada uno de los subconjuntos
mediante la expresión

Desviaciones Típicas

Básicamente La desviación típica es la raíz cuadrada de la varianza, es decir, la raíz cuadrada

de la media de los cuadrados de las puntuaciones de desviación.

Propiedades de la desviación típica

A. La desviación típica será siempre un valor positivo o cero, en el caso de que las
puntuaciones sean iguales.

B. Si a todos los valores de la variable se les suma un número la desviación típica no

varía.

C. Si todos los valores de la variable se multiplican por un número la desviación típica

queda multiplicada por dicho número.

D. Si tenemos varias distribuciones con la misma media y conocemos sus respectivas

desviaciones típicas se puede calcular la desviación típica total.

Coeficiente de Variación

El Coeficiente de variación (CV) es una medida de la dispersión relativa de un conjunto de

datos, que se obtiene dividiendo la desviación estándar del conjunto entre su media.

Propiedades del coeficiente de variación

A. Puesto que tanto la desviación estándar como la media se miden en las unidades
originales, el CV es una medida independiente de las unidades de medición.

B. Debido a la propiedad anterior el CV es la cantidad más adecuada para comparar la

variabilidad de dos conjuntos de datos.

C. En áreas de investigación donde se tienen datos de experimentos previos, el CV es

muy usado para evaluar la precisión de un experimento, comparando en CV del
experimento en cuestión con los valores del mismo en experiencias anterior