UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

OVA - SEMANA 4

MEDIDAS ESTADÍSTICAS DE DISPERSIÓN

Observe las imágenes y de un concepto de medidas estadística de dispersión

Figura 1

Figura 2

Figura 3
 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

➢ Competencias:

Al término de la sesión de clase el estudiante tendrá la

capacidad de:

• Aplicar las fórmulas de las medidas de dispersión,

interpretando y analizando sus resultados correctamente, en
asos relacionados a su formación profesional.

• Mostrar destrezas y habilidades en el manejo de EXCEL19

para hallar las medidas de dispersión.
 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

VARIANZA MUESTRAL ( s2 )

a) Definición: es el promedio del cuadrado de las distancias entre

cada observación y la media aritmética del conjunto de
observaciones.
b) Cálculo:
a. s2 : Para datos no Tabulados
c) Fórmula General:

2 ∑𝒏
𝒊=𝟏(𝒙𝒊 −𝒙
̅)
𝟐
S = (1)
𝒏−𝟏

d) Fórmula Práctica

(∑𝒏
𝒊=𝟏 𝒙𝒊 )
𝟐 𝟏
S2 ={∑𝒏 𝟐
𝒊=𝟏 𝒙𝒊 − } (2)
𝒏 𝒏−𝟏

Ejemplo1: Halle la varianza en los datos:

X: 252 158 196 204 196 213 220 196 241 263

Determine la varianza por:

e) Fórmula general b) Fórmula práctica

 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

s2: Para datos Tabulados

f) Fórmula General:

∑𝒎
𝒊=𝟏(𝒙𝒊 −𝒙
𝟐
̅) 𝒇
𝒊
S2 = (3)
𝒏−𝟏

g) Fórmula Práctica

(∑𝒎
𝒊=𝟏 𝒙𝒊 𝒇𝒊 )
𝟐 𝟏
S2 ={∑𝒏 𝟐
𝒊=𝟏 𝒙𝒊 𝒇𝒊 − } (4)
𝒏 𝒏−𝟏

donde:

h) xi: Es cada valor de la variable, si la variable es discreta

i) xi: Es marca de clase, si la variable es continua
j) PROPIEDADES
k) V(Xi) ≥ 0
l) V(K) = 0 ; K= cte
2
m) V(kXi) = k V(Xi) ; K= cte
2
n) V (kXi + b) = k V(Xi); K= cte ; b = cte
o) V (Xi +- Yj) = v(Xi) + - V(Yj) si X , Y son v. independientes
p) En una distribución simétrica y cuando la muestra es grande, la
distribución se puede dividir en áreas de la forma siguiente:

1) 𝝁 ∓ 𝝈 , dentro del cual se tiene el 68.2% de datos de la muestra

2) 𝝁 ∓ 𝟐𝝈, dentro del cual se tiene el 95.4% de datos de la muestra

2) 𝝁 ∓ 𝟑𝝈, dentro del cual se tiene el 99.7 % de datos de la muestra

 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

Ejemplo:

1. Halle: a) V(2x+1) en el ejemplo anterior de datos no tabulados

b) Construya el intervalo 𝝁 ∓ 𝝈 y determine el número de datos

dentro de él.

2. En la Tabla 2, halle:

a) La varianza por la fórmula general y práctica

b) V (5x – 4)

3. En la tabla 3, halle:

a) La varianza por la fórmula general y práctica

b) Construya el intervalo dado por 𝝁 ∓ 𝟐 𝝈 y diga cuantos datos están
dentro de él.

DESVIACIÓN TÍPICA O ESTANDAR (S):

La varianza viene dada por unidades al cuadrado, para evitar este

problema podemos usar como medida de dispersión la desviación típica
que se define como la raíz cuadrada positiva de la varianza

1. Fórmula

2. Propiedades:

3. Sx > 0
4. Sax = ‫׀‬a‫ ׀‬Sx , a es constante
5. S(x ± a) = Sx , a es constante
6. Desviación típica del total es: Stotal = n* S
 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

Ejemplo:

Halle:

1. La desviación estándar en el ejemplo de datos no tabulados. Interprete

2. La desviación típica con los datos de la Tabla 2 . Interprete

3. La desviación típica con los datos de la Tabla 3 . Interprete

4. S (6x - 2)

RECORRIDO O RANGO MUESTRAL (Re)

Es la diferencia entre el valor de las observaciones mayor y el menor.

Re = xmáx - xmín
 UNIVERSIDAD NACIONAL DE TRUJILLO -- ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

E.C. ESTADÍSTICA I CICLO: IV SECCIÓN: B Dra. MARÍA TERESITA ROJAS GARCÍA

Medidas de Dispersión Relativas

Coeficiente de Variación de Pearson (CV)

Cuando se quiere comparar el grado de dispersión de dos distribuciones

que no vienen dadas en las mismas unidades o que las medias no son
iguales se utiliza el coeficiente de variación de Pearson, que se define
como el cociente entre la desviación típica y el valor absoluto de la media
aritmética.

Fórmula

𝑺
𝑪𝑽 = ∗ 𝟏𝟎𝟎
̅
𝒙
Se expresa en términos porcentuales (%)

CV representa el número de veces que la desviación típica contiene a la media

aritmética y por lo tanto cuanto mayor es CV mayor es la dispersión y menor
la representatividad de la media.

Si CV es < al 30% los datos son Homogéneos

Si CV es > al 30% los datos son Heterogéneos

Ejemplo: Halle el coeficiente de variación e interprete en:

a) Datos del ejemplo de no tabulados

b) Datos del ejemplo de la tabla 2
c) Datos del ejemplo de la tabla 3