Apuntes de clase Estadística General

Medida de dispersión y asimetría

Son medidas que se emplean para determinar el grado de variabilidad o de dispersión de

los datos con respecto a un promedio.

Cuanto mas grande sea el grado de variación menor uniformidad tendrán los datos
(heterogéneos), si el grado de variabilidad es pequeño hay una gran uniformidad entre los
datos. Cuando la variabilidad es cero quiere decir que todos los datos son iguales

Existen varias razones por la cual se debe estudiar la dispersión en un conjunto de datos

1.- Al aplicar una medida de dispersión es posible evaluar la confiabilidad del promedio que
se está utilizando. Una dispersión pequeña indica que los datos se encuentran
acumulados cercanamente, por ejemplo, alrededor de la media aritmética. Por tanto, la
media se considera bastante representativa de los datos. Esto es: la media es un
promedio confiable. Por el contrario, una dispersión grande indica que la media no es
muy confiable, es decir no es muy representativa de los datos.

2.- Una medida de dispersión permite apreciar cuán dispersas están dos o más
distribuciones. Por ejemplo, veamos la siguiente figura

Las principales medidas son:

- Rango o amplitud total

1
 Apuntes de clase Estadística General

- Rango intercuartil
- Desviación media
- Varianza
- Desviación estándar
- Coeficiente de variabilidad
Medida de dispersión. Datos no agrupados

A continuación, se muestran dos series de datos, ambos tienen la misma media aritmética,
pero se observa que tienen diferente dispersión alrededor de ella.
Se tiene dos series de datos:

a.- 48, 49, 49, 50, 50, 50, 51, 51,52

b.- 40, 47,47, 50, 50, 50, 53, 53,60

48 49 50 51 52

48 49 50 51 52

40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60

La media aritmética de ambas series es la misma. Un análisis de las cifras individuales

revela sin embargo un gran contraste. En la serie B hay una gran variación entre los
valores, siendo 40 el valor menor y 60 el valor mayor. En la serie A el número menor es 48
y el mayor es 52.

En resumen, podremos decir que en la serie B hay valores muy altos y muy bajos.,
mientras que en la serie A los valores están más concentrados alrededor del promedio.

Rango, amplitud total.

Se trata de la diferencia entre los valores mayor (o más alto) y menor ó más bajo de un
conjunto de datos

AMPLITUD TOTAL ═ Valor más alto – Valor más bajo

Propiedades del rango:

1.- Es fácil de calcular y sus unidades son las mismas que las de la variable.

2
 Apuntes de clase Estadística General

2.- No utiliza todas las observaciones (sólo dos de ellas).

3.- Se puede ver muy afectada por alguna observación extrema.

4.- El rango aumenta con el número de observaciones o bien se queda igual. En cualquier
caso, nunca disminuye.

Rango intercuartil ( RQ )

Es la diferencia entre el entre el tercer cuartil Q3y el primer cuartil Q 1

Es el rango y amplitud del 50% central de los datos

RQ =Q3−Q1

25% 50% 25%

Min Q1 Q3 Max
RQ

Desviación media:

Denominada también desviación promedio de los valores absolutos de las desviaciones

con respecto a la media aritmética.

Donde:

X i =¿ Es el valor de cada observación

X =¿ Es la media aritmética de los valores
n = Es el número de observaciones en la muestra

La desviación media tiene dos ventajas. Utiliza en su cálculo el valor de cada uno de los
elementos de un conjunto de datos, y es fácil de comprender; y es el promedio en que los
valores se desvían con respecto de la media.

Ejemplo

Los pesos de una muestra de cajas listas para embarcarse a Italia son (en kilogramos):
103, 97, 101, 106 y 103

1.- ¿Cuál es la desviación media?

2.- ¿Cómo se interpreta?

3
 Apuntes de clase Estadística General

103+97+101+106+103
5
= = = 102 Kg

|103−102|+|97−102|+|101−102|+|106−102|+|103−102|
D.M. =
5

D.M.═ 2,4 Kg

Interpretación. - En promedio, los pesos de las cajas se desvían 2,4 Kg respecto de la

media aritmética que es 102

Variancia.

Media aritmética del cuadrado de las desviaciones observadas con respecto a su media

Variancia de población:

σ2
=
Variancia de la muestra:

2
s =¿

= =
La varianza para datos agrupados será calculada empleando la siguiente fórmula:

La varianza está dada en las mismas unidades que la variable en estudio al cuadrado. Por
ejemplo, si las unidades de las observaciones son Kg entonces la varianza se expresa en
kg2

Propiedades de la varianza

1.- La varianza de un conjunto de observaciones X1, X2,…………..Xn siempre es un

número no negativo
V(x) ≥ 0

2.- La varianza de una constante es cero. Esto significa que si X 1 = X2 =……..= Xn= b
entonces:
V (b) = 0

4
 Apuntes de clase Estadística General

3.- Si a cada observación X1, X2,……,Xn se le adiciona o se le resta una constante b 0, la

varianza del nuevo conjunto de valores Y1,Y2,………,Yn, donde Yi= Xi b, i = 1,2,
….,n, coincide con la varianza del conjunto original. Es decir:

V (y) = V (x ± b) = V(x)

4.- Si a cada valor de un conjunto X 1, X2……Xn, se multiplica por una constante a, la

varianza del nuevo conjunto de valores Y1, Y2, …………Yn, donde Yi = aXi, i= 1,2,…,n es
igual a la varianza del conjunto original multiplicada por el cuadrado de la constante. Es
decir:

V (y) = a2 V(X)

Varianza calculada a partir de sub muestras

Si y son las medias aritméticas de dos submuestras de tamaño n 1 y n2

respectivamente y sus varianzas correspondientes. Entonces la
varianza de la muestra de tamaño n = n1 + n2 está dada por:

Ejemplo para datos sin agrupar

A continuación, se presentan los tiempos de espera (en minutos) de 11 clientes para ser
atendidos en la ventanilla de un banco

x1 x2 x3 x4 x5 x6 x7 x8 x9 x 10 x 11
15 10 20 11 8 15 9 12 18 11 14

La media aritmética será:

x1 x2 x3 x4 x5 x6 x7 x8 x9 x 10 x 11
15 10 20 11 8 15 9 12 18 11 14

15+10+…+14
x= =¿ 13
11

5
 Apuntes de clase Estadística General

(X i   X ) 2
s2  i 1

n 1

(15−13 )2 + ( 10−13 )2+ …+ ( 14−13 )2

S ¿2 ¿14,2
11−1

Ejemplo (Para datos discretos agrupados)

Se ha tomado una muestra de 30 alumnos de la carrera profesional de Contabilidad y se

les ha preguntado por el número de asignaturas desaprobadas (X) en el semestre anterior.

Los datos recolectados se presentan en la siguiente tabla y se pide calcular la varianza

Xi fi Xi f i f i X 2i
0 1 0 0
1 2 2 2
2 4 8 16
3 12 36 108
4 9 36 144
5 2 10 50
Total 30 92 320

( 92 )2
320−
2 30 ¿ 1,3036
s=
30−1

Ejemplo (Para datos continuos agrupados)

Con la finalidad de conocer la varianza de los gastos semanales (en soles) del personal
administrativo de la UNPRG, en enero del 2021 se seleccionó una muestra de 30
personas.

Los datos se presentan a continuación:

[ Y 'i – 1 – Y 'i ¿ Yi fi Yifi 2

f iY i

6
 Apuntes de clase Estadística General

200 - 400 300 1 300 90 000

400 - 600 500 1 500 250 000
600 - 800 700 4 2 800 1 960 000
800 - 1 000 900 9 8 100 7 290 000
1 000 - 1 200 1 100 16 17 600 19 360 000
Total 30 29 300 28 950 000

( 29 300 )2
28 950 000−
2 30 ¿ 11 505,7471
S=
30−1

Desviación estándar

Raíz cuadrada de la variancia.

Es una de las medidas de dispersión de mayor uso, en el cual las unidades de la variable
ya no están elevadas al cuadrado.

Al igual que la varianza, es no negativa

Desviación estándar poblacional σ =√ σ 2

Desviación estándar muestral S ¿ √ S2

Coeficiente de variación (CV)

Es una medida de dispersión relativa (no tiene unidades) y se define como la razón entre la
desviación estándar y la media aritmética de un conjunto de observaciones

Si se tienen dos o más conjunto de observaciones con distintas unidades o con medias
diferentes es conveniente usar el coeficiente de variabilidad para comparar la dispersión de
los datos

A veces se considera que un CV mayor de 50% indica alta dispersión de los datos y en
consecuencia poca representatividad de la media. Esta es una referencia, para establecer
otra referencia hay que tener en cuenta el control que se tiene sobre otros factores que
afectan a las unidades elementales

7
 Apuntes de clase Estadística General

Desviaciónestandar
× 100
CV = Media aritmética

σ
Población CV = x 100
μ

s
Muestra CV = x 100
x

Ejemplo

Si se tiene los siguientes datos sobre la estatura de los alumnos de la UNPRG X =¿ 130 y
S ¿ 2,12132 Calcular el C.V.

Solución

S
C.V. ¿
X
x 100

2,12132
C.V. ¿ X 100 ¿ 1,63%
130

Interpretación

Las estaturas en centímetros de los alumnos de la UNPRG varían en 1,63% respecto a la

estatura promedio, se puede decir que los datos son homogéneos o que presentan una
alta concentración

Características del coeficiente de variabilidad

1.- No tiene unidad de medida.

2.- No aplicable cuando la distribución tiene media cero.

3.- Se afecta su valor cuando se suma una constante K a cada observación de un conjunto
de datos.

4.-No cambia de valor cuando se multiplica por una constante K a cada una de las
observaciones.

Calificación de una distribución de datos, según el grado de dispersión:

Coeficiente de
Grados de variabilidad
variabilidad (%)
0 Datos Completamente homogéneos
0¿ CV <10 Datos muy homogéneos
10 ¿ CV <15 Datos regularmente homogéneos
15 ¿ CV <20 Datos regularmente variables
20 ¿ CV <25 Datos variables

8
 Apuntes de clase Estadística General

CV¿ 25 Datos muy variables

Teorema de chebyshev. -

Una desviación estándar pequeña para un conjunto de valores indica que éstos se
encuentran localizados cerca de la media. Por el contrario, una desviación estándar grande
revela que las observaciones están muy dispersas con respecto a la media.

El matemático ruso P.L. Chebyshev, desarrolló un teorema que permite determinar la

proporción mínima de los valores que se encuentra dentro de un número específico de
desviaciones estándares con respecto a la media.

REGLA EMPÍRICA. - Para una distribución de frecuencias simétrica en forma de campana,

aproximadamente el 68% de las observaciones se encontrará a más o menos una
desviación estándar de la media; aproximadamente el 95% de las observaciones se
encontrarán a más o menos dos desviaciones estándar desde la media; y prácticamente
todas las observaciones (99,7%) se encontrarán a más o menos tres desviaciones desde
la media.

9
 Apuntes de clase Estadística General

MEDIDAS DE FORMA

Coeficiente de asimetría.

Las medidas de asimetría tienen como facilidad elaborar un indicador que permita
establecer el grado de simetría o asimetría, que presenta una distribución, sin necesidad
de llevar a cabo su representación gráfica.

El coeficiente de asimetría puede calcularse mediante el coeficiente de asimetría de

Pearson.

x−Mo
sk =
s

También existen otras fórmulas alternativas para el cálculo del coeficiente de asimetría.

3( M edia−Mediana)
sk =
S

Asimismo, el coeficiente de asimetría nos describe la forma de un conjunto de datos, es

decir, la manera como se distribuyen, comparando la media y la mediana. Si ambas
medidas son iguales, por lo general, se considera que los datos son simétricos (o con
sesgo cero, es decir, el coeficiente de asimetría es cero). Por lo contrario, los datos o su
distribución son asimétrica o sesgada, es decir, si la media excede a la mediana, los datos
se describen como sesgados a la derecha, o con sesgo positivo (el coeficiente de asimetría
es positivo). Si la mediana excede a la media, los datos suelen llamarse sesgados a la
izquierda, o con sesgo negativo (el coeficiente de asimetría es negativo).

El sesgo positivo surge cuando la media aumenta debido a algunos valores grandes y poco
usuales: el sesgo negativo ocurre cuando la media se reduce debido a algunos valores
muy pequeños. Los datos son simétricos cuando en realidad no hay valores extremos en
ninguna dirección, de tal manera que los valores grandes y pequeños se equilibran.

Simetría Relación
Simétrica o insesgada Media = Mediana = Moda
Sesgo positivo o a la derecha Media > Mediana > Moda
Sesgo negativo o a la izquierda Media < Mediana < Moda

Coeficiente de apuntamiento o curtosis

Analiza el grado de concentración que presentan los valores alrededor de la zona central
de la distribución, es decir, estudia la distribución de frecuencias en la zona central. La
mayor o menor concentración de frecuencias alrededor de la media y en la zona central de
la distribución, dará lugar a una distribución más o menos apuntada.

Así es por lo que a la curtosis también se le llama apuntamiento.

10
 Apuntes de clase Estadística General

Si el valor de la curtosis es positivo, se dice que los datos tienen una distribución
leptocúrtica (es más apuntada o puntiaguda que la distribución normal); en caso contrario,
si la curtosis es negativa, se dice que los datos tienen una distribución platicúrtica (es
menos apuntada o puntiaguda que la distribución normal). Si la curtosis es cero, entonces
los datos se distribuyen siguiendo una distribución normal, y se dice que en este caso la
distribución mesocúrtica.

Para medir la curtosis se puede emplear las siguientes fórmulas:

k=
[
1 Q3 −Q1
2 P90−. P10 ]
Donde

Q3=¿ Cuartil tres P90=¿¿ Percentil noventa

Q1=¿¿ Cuartil uno P10=¿ Percentil diez

Características del coeficiente de curtosis

1.- No tiene unidades de medida.

2.- Se aplica a distribuciones unimodales que sean simétricas o ligeramente asimétricas.

3.- No le afecta las operaciones de suma y multiplicación por una constante c aplicada a
cada observación.

xi ( x i−x )
2
( x i−x )
4

2 4 16
4 0 0
8 16 256
2 4 16
∑ 16 24 288
Media x = 4
2
Varianza S x = 8

Reemplazamos y calculamos el coeficiente de curtosis

288
( 4 ) (64)
= - 3 = -1.875

11
 Apuntes de clase Estadística General

Al tener el coeficiente de curtosis un valor negativo, la distribución será platicurtica.

Características del coeficiente de asimetría de Pearson

1.- No tiene unidad de medida.

2.- Se aplica a distribuciones unimodales.

3.- Su valor debe encontrarse en el intervalo de -3 a 3

Ejemplo

Una muestra de digitadoras de texto reveló que su rapidez media de tecleo es de 87

palabras por minuto, con una media de 73. La desviación estándar es de 16.9 palabras por
minuto. ¿Cuál es el coeficiente de asimetría? Interprete su respuesta.

Solución

Reemplazando

3( Media−Mediana) 3(87−73)
sk = = =¿ 2,49
s 16.9

Existe considerable asimetría con sesgo positivo en la distribución de la rapidez de tecleo.

Algunas operadoras muy rápidas hacen que la media sea mayor que la mediana o la
moda.

12
 Apuntes de clase Estadística General

13