MEDIDAS DE RESUMEN ESTADÍSTICO.

Medidas de dispersión (Varianza, Desv.estadar, C.V.) de una variable.

Las medidas de dispersión son números que indican si una variable se mueve mucho, poco,
más o menos que otra. La razón de ser de este tipo de medidas es conocer de manera resumida
una característica de la variable estudiada. En este sentido, deben acompañar a las medidas de
tendencia central. Juntas, ofrecen información de un sólo vistazo que luego podremos utilizar
para comparar y, si fuera preciso, tomar decisiones. (lopez 2019)

Varianza

La varianza es una medida de dispersión que representa la variabilidad de una serie de datos
respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado
divididos entre el total de observaciones. Su formula es la siguiente (lopez 2019)

X → Variable sobre la que se pretenden calcular la varianza

xi → Observación número i de la variable X. i puede tomará valores entre 1 y n.

N → Número de observaciones.

x̄ → Es la media de la variable .

Desviación estándar

La desviación estándar es una de las principales medidas estadísticas que intervienen en el

cálculo de la muestra de una investigación, y también es una medida de riesgo que utilizan los
analistas, los gestores de carteras y los asesores.

En este artículo te describiremos en qué consiste, cuáles son sus usos y cómo obtenerla paso a
paso.

Formula de la desviación estándar

  X → Variable sobre la que se pretenden calcular la varianza
 xi → Observación número i de la variable X. i puede tomará valores entre 1 y n.
 N → Número de observaciones.
 x̄ → Es la media de la variable X.

Coeficiente de Variación

Su cálculo se obtiene de dividir la desviación típica entre el valor absoluto de la media del
conjunto y por lo general se expresa en porcentaje para su mejor comprensión.

 X → Variable sobre la que se pretenden calcular la varianza

 σx → Desviación típica de la variable X.
 | x̄ | → Es la media de la variable X en valor absoluto con x̄ ≠ 0

. MEDIDAS DE FORMA (ASIMETRÍA Y KURTOSIS).

. Asimetría

La asimetría es la medida que indica la simetría de la distribución de una variable respecto a

la media aritmética, sin necesidad de hacer la representación gráfica. Los coeficientes de
asimetría indican si hay el mismo número de elementos a izquierda y derecha de la media.

Existen tres tipos de curva de distribución:

. Asimetría negativa: la cola de la distribución se alarga para valores inferiores a la media.

. Simétrica: hay el mismo número de elementos a izquierda y derecha de la media. En este

caso, coinciden la media, la mediana y la moda. La distribución se adapta a la forma de la
campana de Gauss, o distribución normal.
. Asimetría positiva: la cola de la distribución se alarga (a la derecha) para valores superiores a
la media.

El coeficiente de asimetría de Fisher CAF evalúa la proximidad de los datos a su media x.

Cuanto mayor sea la suma ∑(xi–x)3, mayor será la asimetría. Sea el conjunto X= (x1, x2, …,
xN), entonces la fórmula de la asimetría de Fisher es:

Cuando los datos están agrupados o agrupados en intervalos, la fórmula del coeficiente de
asimetría de Fisher se convierte en:

Si CAF<0: la distribución tiene una asimetría negativa y se alarga a valores menores que la
media. Si CAF=0: la distribución es simétrica.

Si CAF>0: la distribución tiene una asimetría positiva y se alarga a valores mayores que la
media

Coeficiente de Karl Pearson

Donde:

= media aritmética.

Md = Mediana.

s = desviación típica o estándar.

Nota:

El Coeficiente de Pearson varía entre -3 y 3

Si As < 0 ? la distribución será asimétrica negativa.

Si As = 0 ? la distribución será simétrica.

Si As > 0 ? la distribución será asimétrica positiva.

Medida de Yule Bowley o Medida Cuartílica

Donde:

= Cuartil uno; = Cuartil dos= Mediana; =Cuartil tres.

KURTOSIS

La curtosis mide el grado de agudeza o achatamiento de una distribución con relación a la

distribución normal, es decir, mide cuán puntiaguda es una distribución. (ibujes).

TIPOS DE CURTOSIS

La curtosis determina el grado de concentración que presentan los valores en la región central
de la distribución. Así puede ser:

Leptocúrtica. - Existe una gran concentración.

Mesocúrtica. - Existe una concentración normal.

Platicúrtica. - Existe una baja concentración.

MEDIDAS DE KURTOSIS

Medida de Fisher

Para datos sin agrupar se emplea la siguiente fórmula:

Para datos agrupados en tablas de frecuencias se emplea la siguiente fórmula:

Para datos agrupados en intervalos se emplea la siguiente fórmula:

Donde:

=cada uno de los valores; n = número de datos; = media aritmética;

=Cuádruplo, de la desviación estándar poblacional; f = frecuencia absoluta; xm = marca de
clase

Nota:

Si a < 3 ? la distribución es platicúrtica

Si a = 3 ? la distribución es normal o mesocúrtica

Si a > 3 ? la distribución es leptocúrtica

Ejemplo ilustrativo: Determinar qué tipo de curtosis tiene la siguiente distribución: 6, 9, 9,

12,12, 12, 15 y 17. Emplear la medida de Fisher y el coeficiente percentil de curtosis.

Solución: Calculando la media aritmética se obtiene

Calculando la desviación estándar poblacional se obtiene:

Coeficiente de Kurtosis

La curtosis se mide promediando la cuarta potencia de la diferencia entre cada elemento del
conjunto y la media, dividido entre la desviación típica elevado también a la cuarta potencia.
Sea el conjunto X= (x1, x2,…, xN), entonces el coeficiente de curtosis será:

En la fórmula se resta 3 porque es la curtosis de una distribución Normal. Entonces la curtosis

valdrá 0 para la Normal, tomándose a ésta como referencia.

Cuando los datos están agrupados o agrupados en intervalos, la fórmula del coeficiente de
curtosis se convierte en: