Está en la página 1de 14

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN

Estadstica sumaria. Podemos usar una serie de nmeros conocidos como estadstica sumaria para describir las caractersticas del conjunto de datos. Dos de estas caractersticas son de particular importancia para los responsables de tomar decisiones: la de tendencia central y la de dispersin.

Tendencia central: la tendencia central se refiere al punto medio de una distribucin. Las medidas de tendencia central se conocen como medidas de posicin.

Dispersin: se refiere a la extensin de los datos en una distribucin, es decir, al grado en que las observaciones se distribuyen.

Sesgo: las curvas que representan los puntos de datos de un conjunto de datos pueden ser simtricas o sesgadas. Las curvas simtricas, tienen una forma tal que una lnea vertical que pase por el punto ms alto de la curva dividir el rea de sta en dos partes iguales. Cada parte es una imagen espejo de la otra. En las curvas sesgadas, los valores de su distribucin de frecuencias estn concentrados en el extremo inferior o en el superior de la escala de medicin del eje horizontal. Los valores no estn igualmente distribuidos. Las curvas pueden estar sesgadas hacia la derecha (positivamente sesgadas) o sesgadas hacia la izquierda (negativamente sesgadas).

Curtosis: cuando medimos la curtosis de una distribucin, estamos midiendo su grado de agudeza.

La media aritmtica.

Cuando nos referimos al "promedio" de algo, estamos hablando de la media aritmtica.

Para encontrar la media aritmtica, sumamos los valores y el resultado lo dividimos entre el nmero de observaciones.

Smbolos convencionales.

Una muestra de una poblacin consiste en n observaciones, con una media de x (lase equis testada). Las medidas que calculamos para una muestra se conocen como estadstica.

La notacin es diferente cuando calculamos medidas para la poblacin entera, es decir, para el grupo que contiene a todos los elementos que estamos describiendo. La media de una poblacin se simboliza con (letra griega mi). El nmero de elementos de una poblacin se denota con la letra mayscula cursiva N. Por lo general, en estadstica utilizamos letras del alfabeto latino para simbolizar la informacin sobre las muestras y letras del griego para referirnos a la informacin sobre poblaciones.

Clculo de la media a partir de datos no agrupados.

Media de la poblacin:

= x / N

x = x / n

Para calcular esta media, sumamos todas las observaciones. Los estadsticos se refieren a este tipo de datos como datos no agrupados.

Clculo de la media de datos agrupados:

Una distribucin de frecuencias consta de datos agrupados en clases. Cada valor de una observacin cae dentro de alguna de las clases. No sabemos el valor individual de cada observacin. A partir de la informacin de la tabla, podemos calcular fcilmente una estimacin del valor de la media de estos datos agrupados.

De haber usado los datos originales sin agrupar, podramos haber calculado el valor real de la media.

Para encontrar la media aritmtica de datos agrupados, primero calculamos el punto medio de cada clase. Para lograr que los puntos medios queden en cifras cerradas, redondeamos las cantidades. Despus, multiplicamos cada punto medio por la frecuencia de las observaciones de dicha clase, sumamos todos los resultados y dividimos esta suma entre el nmero total de observaciones de la muestra.

x = (f x) / n

f = frecuencia de observaciones de cada clase

x= punto medio de cada clase de la muestra

n = nmero de observaciones de la muestra

Codificacin:

Mediante esta tcnica, podemos eliminar el problema de tener puntos medios muy grandes o inconvenientes. En lugar de utilizar los puntos medios reales para llevar a efecto nuestros clculos, podemos asignar enteros consecutivos de valor pequeo, conocidos como cdigos, a cada uno de los puntos medios. El entero cero puede ser asignado a cualquier punto medio, pero para que nuestros enteros sean pequeos, asignaremos cero al punto medio de la parte media de la distribucin (o la parte ms cercana a sta). Podemos asignar enteros negativos a los valores menores a dicho punto medio y enteros positivos a los valores ms grandes.

Los estadsticos usan xo para representar el punto medio al que se le ha asignado el cdigo 0 y u para el punto medio codificado:

x = xo + w [(u f)] / n

w = ancho numrico del intervalo de clase

u = cdigo asignado a cada punto medio de clase

Ventajas y desventajas de la media aritmtica.

La media aritmtica, en su carcter de un solo nmero que representa a un conjunto de datos completo, tiene importantes ventajas:

1. Se trata de un concepto familiar para la mayora de las personas y es intuitivamente claro. 2. Cada conjunto de datos tiene una media, es una medida que puede calcularse y es nica debido a que cada conjunto de datos posee una y slo una media. 3. Es til para llevar a cabo procedimientos estadsticos como la comparacin de medias de varios conjuntos de datos.

Desventajas:

1. Puede verse afectada por valores extremos que no son representativos del resto de los datos. 2. Resulta tedioso calcular la media debido a que utilizamos cada uno de los puntos de dato de nuestro clculo. 3. Somos incapaces de calcular la media para un conjunto de datos que tiene clases de extremo abierto, ya sea en el inferior o en el superior de la escala.

SUGERENCIA: La media aritmtica, a menudo, puede mal interpretarse si los datos no entran en un grupo homogneo. La mediana. La mediana es un solo valor calculado a partir del conjunto de datos que mide la observacin central de stos. Esta sola observacin es la ms central o la que est ms en medio en el conjunto de nmeros. La mitad de los elementos estn por encima de este punto y la otra mitad est por debajo. Clculo de la mediana a partir de datos no agrupados: Para hallar la mediana de un conjunto de datos, primero hay que organizarlos en orden descendente o ascendente. Si el conjunto de datos contiene un nmero impar de elementos, el

de en medio en el arreglo es la mediana. Si hay un nmero par de observaciones, la mediana es el promedio de los dos elementos de en medio. Mediana = (n + 1) / 2 Clculo de la mediana a partir de datos agrupados:

1. Encontrar qu observacin de la distribucin est ms al centro (Mediana = (n + 1) / 2). 2. Sumar las frecuencias de cada clase para encontrar la clase que contiene a ese elemento ms central. 3. Determinar el nmero de elementos de la clase y la localizacin de la clase que contiene al elemento mediano. 4. Determinar el ancho de cada paso para pasar de una observacin a otra en la clase mediana, dividiendo el intervalo de cada clase entre el nmero de elementos contenido en la clase. 5. Determinar el nmero de pasos que hay desde el lmite inferior de la clase mediana hasta el elemento correspondiente a la mediana. 6. Calcular el valor estimado del elemento mediano multiplicando el nmero de pasos que se necesitan para llegar a la observacin mediana por el ancho de cada paso. Al producto sumarle el valor del lmite inferior de la clase mediana. 7. Si existe un nmero par de observaciones en la distribucin, tomar el promedio de los valores obtenidos para el elemento mediano calculados en el paso nmero 6.

Un mtodo ms sencillo: m = {[(n + 1) / 2 (F + 1)] / fm} w + Lm m = mediana de la muestra n = nmero total de elementos de la distribucin F = suma de todas las frecuencias de clase hasta, pero sin incluir, la clase mediana fm = frecuencia de la clase mediana w = ancho de intervalo de clase Lm = lmite inferior del intervalo de clase mediano Ventajas y desventajas de la mediana: Los valores extremos no afectan a la mediana tan intensamente como a la media. La mediana es fcil de entender y se puede calcular a partir de cualquier tipo de datos incluso a partir de datos agrupados con clases de extremo abierto a menos que la mediana entre en una clase de extremo abierto. Podemos encontrar la mediana incluso cuando nuestros datos son descripciones cualitativas, en lugar de nmeros. Ciertos procedimientos estadsticos que utilizan la mediana son ms complejos que aquellos que utilizan la media. Debido a que la mediana es una posicin promedio, debemos ordenar los datos antes de llevar a cabo cualquier clculo. Esto implica consumo de tiempo para cualquier conjunto de datos que contenga un gran nmero de elementos. Por consiguiente, si deseamos utilizar una estadstica de muestra para estimar un parmetro de poblacin, la media es ms fcil de usar que la mediana. La moda.

La moda es una medida de tendencia central diferente de la media, pero un tanto parecida a la mediana, pues en realidad no se calcula mediante algn proceso aritmtico ordinario. La moda es aquel valor que ms se repite en el conjunto de datos. En ocasiones, el azar hace que un solo elemento no representativo se repita lo suficiente para ser el valor ms frecuente del conjunto de datos. Es por esta razn que rara vez utilizamos la moda de un conjunto de datos no agrupados como medida de tendencia central. Por esta razn, siempre que utilizamos la moda como medida de tendencia central de un conjunto de datos, debemos calcular la moda de datos agrupados (buscar la clase modal). Clculo de la moda de datos agrupados: Cuando los datos ya se encuentran agrupados en una distribucin de frecuencias, podemos poner que la moda est localizada en la clase que contiene el mayor nmero de elementos, es decir, en la clase que tiene mayor frecuencia. Para determinar un solo valor para la moda a partir de esta clase modal: Mo = Lmo + [d1 / (d1 + d2 )] w Lmo = lmite inferior de la clase modal. d1 = frecuencia de la clase modal menos la frecuencia de la clase que se encuentra inmediatamente por debajo de ella. d2 = frecuencia de la clase modal menos la frecuencia de la clase que se encuentra inmediatamente por encima de ella. w = ancho del intervalo de la clase modal. Ventajas y desventajas de la moda: La moda, al igual que la mediana, se puede utilizar como una posicin central para datos tanto cualitativos como cuantitativos. Tambin, al igual que la mediana, la moda no se ve mayormente afectada por los valores extremos. Incluso si los valores extremos son muy altos o muy bajos, nosotros escogemos el valor ms frecuente del conjunto de datos como el valor modal. Podemos utilizar la moda sin importar qu tan grandes o qu tan pequeos sean los valores del conjunto de datos, e independientemente de cul sea su dispersin. La podemos utilizar aun cuando una o ms clases sean de extremo abierto. Muy a menudo, no existe un valor modal debido a que el conjunto de datos no contiene valores que se presenten ms de una vez. En otras ocasiones, cada valor es la moda, pues cada uno de ellos se presenta el mismo nmero de veces. Otra desventaja consiste en que cuando los datos contienen dos, tres o ms modas, resultan difciles de interpretar y comparar. Comparacin entre la media, la mediana y la moda. Cuando trabajamos un problema de estadstica, debemos decidir si vamos a utilizar la media, la mediana o la moda como medidas de tendencia central. Las distribuciones simtricas que slo contienen una moda, siempre tienen el mismo valor para la media, la mediana y la moda. En tales casos, no es necesario escoger la medida de tendencia central, pues ya est hecha la seleccin. En una distribucin positivamente sesgada (es decir, sesgada hacia la derecha), la moda todava se encuentra en el punto ms alto de la distribucin, la mediana est hacia la derecha de la moda y la media se encuentra todava ms a la derecha de la moda y la mediana.

En una distribucin negativamente sesgada, la moda sigue siendo el punto ms alto de la distribucin, la mediana est hacia la izquierda de ella y la media se encuentra todava ms a la izquierda de la moda y la mediana. Cuando la poblacin est sesgada negativa o positivamente, con frecuencia la mediana resulta ser la mejor medida de posicin, debido a que siempre est entre la moda y la media. La mediana no se ve altamente influida por la frecuencia de aparicin de un solo valor como es el caso de la moda, ni se distorsiona con la presencia de valores extremos como la media. SUGERENCIA La seleccin de la media, la mediana o la moda, en ocasiones, depende de la prctica comn de una industria en particular (salario medio de los obreros, precio mediano de una casa, familia modal para el diseo de automviles). La dispersin. Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda slo nos revelan una parte de la informacin que necesitamos acerca de las caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los datos, debemos medir tambin su dispersin, extensin o variabilidad. La dispersin es importante porque:

1. Proporciona informacin adicional que permite juzgar la confiabilidad de la medida de tendencia central. Si los datos se encuentran ampliamente dispersos, la posicin central es menos representativa de los datos. 2. Ya que existen problemas caractersticos para datos ampliamente dispersos, debemos ser capaces de distinguir que presentan esa dispersin antes de abordar esos problemas. 3. Quiz se desee comparar las dispersiones de diferentes muestras. Si no se desea tener una amplia dispersin de valores con respecto al centro de distribucin o esto presenta riesgos inaceptables, necesitamos tener habilidad de reconocerlo y evitar escoger distribuciones que tengan las dispersiones ms grandes.

Medidas de dispersin. La dispersin puede medirse en trminos de la diferencia entre dos valores seleccionados del conjunto de datos. Las medidas de distancia son: el alcance, el alcance interfractil y el alcance intercuartil. Alcance. Es la diferencia entre el ms alto y el ms pequeo de los valores observados. Alcance = valor de la observacin ms alta valor de la observacin ms pequea El alcance es fcil de entender y de encontrar, pero su utilidad como medida de dispersin es limitada. Slo toma en cuenta los valores ms alto y ms bajo de una distribucin y no considera ninguna otra observacin del conjunto de datos. Ignora la naturaleza de la variacin entre todas las dems observaciones, y se ve muy influido por los valores extremos. Las distribuciones de extremo abierto no tienen alcance, pues no existe un valor ms alto o ms bajo en la clase de extremo abierto.

Alcance interfractil. En una distribucin de frecuencias, una fraccin o proporcin dada de los datos cae en un fractil o por debajo de ste. La mediana, por ejemplo, es el fractil 0,5, puesto que la mitad de los datos es menor o igual a este valor. Los fractiles son parecidos a los porcentajes. En una distribucin cualquiera, el 25% de los datos est en el fractil 0,25 o por debajo de ste; igualmente, 25% de los datos cae en el vigsimo quinto percentil o por debajo de ste. El alcance interfractil es una medida de la dispersin entre dos fractiles de una distribucin de frecuencias, es decir, la diferencia entre los valores de los dos fractiles. Los fractiles tienen nombres especiales, dependiendo del nmero de partes iguales en que se dividen los datos. Los fractiles que los dividen en 10 partes iguales se conocen como deciles. Los cuartiles dividen los datos en cuatro partes iguales. Los percentiles dividen el conjunto de datos en 100 partes iguales. Alcance intercuartil. El alcance intercuartil mide aproximadamente qu tan lejos de la mediana tenemos que ir en cualquiera de las dos direcciones antes de que podamos recorrer una mitad de los valores del conjunto de datos. Para calcular este alcance, dividimos nuestros datos en cuatro partes, cada una de las cuales contiene 25% de los elementos de la distribucin. Los cuartiles son, entonces, los valores ms alto y ms bajo de estas cuatro partes, y el alcance intercuartil es la diferencia entre los valores del primer cuartil y el tercer cuartil. SUGERENCIA El punto fractil es siempre el punto en el o debajo del cual cae la proporcin establecida de valores. Medidas de desviacin promedio. Las descripciones ms comprensivas de la dispersin son aquellas que tratan con la desviacin promedio con respecto a alguna medida de tendencia central. Dos de tales medidas son la varianza y la desviacin estndar. Ambas medidas nos dan una distancia promedio de cualquier observacin del conjunto de datos con respecto a la media de la distribucin. Varianza de la poblacin. Cada poblacin tiene una varianza, que se simboliza con 2 (sigma cuadrada). Para calcular la varianza de una poblacin, dividimos la suma de las distancias al cuadrado entre la media y cada elemento de la poblacin entre el nmero total de observaciones de dicha poblacin.

= (x - )2 / N

= varianza de la poblacin. x = elemento u observacin. = media de la poblacin. N = nmero total de elementos de la poblacin. Para la varianza, las unidades son el cuadrado de las unidades de los datos. Estas unidades no son intuitivamente claras o fciles de interpretar. Por esta razn, tenemos que hacer un cambio significativo en la varianza para calcular una medida til de la desviacin, que sea menos confusa. Esta medida se conoce como la desviacin estndar, y es la raz cuadrada de la varianza. La desviacin estndar, entonces, est en las mismas unidades que los datos originales.

Desviacin estndar de la poblacin. La desviacin estndar de la poblacin, o , es simplemente la raz cuadrada de la varianza de la poblacin. Como la varianza es el promedio de las distancias al cuadrado que van desde las observaciones a la media, la desviacin estndar es la raz cuadrada del promedio de las distancias al cuadrado que van desde las observaciones a la media. La desviacin estndar est en las mismas unidades que las que se usaron para medir los datos. La raz cuadrada de un nmero positivo puede ser tanto positiva como negativa. Cuando tomamos la raz cuadrada de la varianza para calcular la desviacin estndar, los estadsticos solamente consideran la raz cuadrada positiva. Para calcular la varianza o la desviacin estndar, construimos una tabla utilizando todos los elementos de la poblacin. Usos de la desviacin estndar. La desviacin estndar nos permite determinar, con un buen grado de precisin, dnde estn localizados los valores de una distribucin de frecuencias con relacin a la media. El teorema de Chebyshev dice que no importa qu forma tenga la distribucin, al menos 75% de los valores caen dentro de + 2 desviaciones estndar a partir de la media de la distribucin, y al menos 89% de los valores caen dentro de + 3 desviaciones estndar a partir de la media. Con ms precisin:

Aproximadamente 68% de los valores de la poblacin cae dentro de + 1 desviacin estndar a partir de la media. Aproximadamente 95% de los valores estar dentro de + 2 desviaciones estndar a partir de la media. Aproximadamente 99% de los valores estar en el intervalo que va desde tres desviaciones estndar por debajo de la media hasta tres desviaciones estndar por arriba de la media.

Resultado estndar: La desviacin estndar es tambin til para describir qu tan lejos las observaciones individuales de una distribucin de frecuencias se apartan de la media de la distribucin. Una medida que se conoce como resultado estndar nos da el nmero de desviaciones estndar que una observacin en particular ocupa por debajo o por encima de la media: Resultado estndar = (x - ) / Clculo de la varianza y la desviacin estndar utilizando datos agrupados:

= f(x - )2 / N

= varianza de la poblacin. x = punto medio de cada una de las clases. = media de la poblacin. N = nmero total de elementos de la poblacin. f = frecuencia de cada una de las clases.

desviacin estndar de una muestra: Para calcular la varianza y la desviacin estndar de una muestra, utilizamos las mismas frmulas, sustituyendo por x y N con n 1.

s2 = (x - x)2 / (n 1)
Por qu utilizamos n 1 como denominador en lugar de N? Los especialistas en estadstica pueden demostrar que si tomamos muchas muestras de una poblacin dada, si encontramos la varianza de la muestra para cada muestra y promediamos los resultados, entonces este promedio no tiende a tomar el valor de la varianza de la poblacin, a menos que tomemos n 1 como denominador de los clculos. Al igual que utilizamos la desviacin estndar de la poblacin para derivar los resultados estndar de la misma, podemos tambin usar la desviacin estndar de la muestra para calcular los resultados estndar de la muestra. Estos resultados indican a cuntas desviaciones estndar se halla una observacin en particular por arriba o por debajo de la media de la muestra. Resultado estndar de la muestra = (x x) / s SUGERENCIAS Las letras griegas siempre se refieren a parmetros de la poblacin y las letras latinas se refieren a estadsticas de la muestra. Recordar utilizar N como denominador cuando se calcula la desviacin estndar de la poblacin, pero n 1 para calcular la desviacin estndar de la muestra. Dispersin relativa: el coeficiente de variacin. La desviacin estndar es una medida absoluta de la dispersin que expresa la variacin en las mismas unidades que los datos originales. La desviacin estndar no puede ser la nica base para la comparacin de dos distribuciones. Si tenemos una desviacin estndar de 10 y una media de 5, los valores varan en una cantidad que es el doble de la media misma. Si, por otro lado, tenemos una desviacin estndar de 10 y una media de 5.000, la variacin con respecto a la media es insignificante. En consecuencia, no podemos conocer la dispersin de un conjunto de datos hasta que conocemos su desviacin estndar, su media y cmo se compara la desviacin estndar con respecto a la media. Lo que necesitamos es una medida relativa que nos proporcione una estimacin de la magnitud de la desviacin con respecto a la magnitud de la media. El coeficiente de variacin es una de estas medidas relativas de dispersin. Se relaciona la desviacin estndar y la media, expresando la desviacin estndar como porcentaje de la media. Coeficiente de variacin = ( / ) * 100 CONCEPTOS:

Alcance: distancia entre los valores ms bajo y ms alto de un conjunto de datos.

Alcance intercuartil: diferencia entre los valores del primer y tercer cuartiles; eta diferencia representa el alcance de la mitad central del conjunto de datos.

Alcance interfractil: medida de la dispersin entre dos fractiles de una distribucin; es decir, la diferencia entre los valores de dos fractiles.

Clase mediana: clase de una distribucin de frecuencias que contiene el valor mediano de un conjunto de datos.

Codificacin: mtodo para calcular la media de datos agrupados mediante la recodificacin de los valores de los puntos medios de las clases a valores ms sencillos.

Coeficiente de variacin: medida relativa de la dispersin, comparable por medio de distribuciones diferentes, que expresa la desviacin estndar como porcentaje de la media. Proporcin o porcentaje de la media que representa la desviacin estndar.

Cuartiles: fractiles que dividen los datos en cuatro partes iguales.

Curtosis: el grado de agudeza de una distribucin de puntos.

Deciles: fractiles que dividen los datos en diez partes iguales.

Desviacin estndar: raz cuadrada positiva de la varianza; medida de dispersin con las mismas unidades que los datos originales.

Dispersin: la extensin o variabilidad de un conjunto de datos.

Distribucin bimodal: distribucin de puntos de datos en la que dos valores se presentan con ms frecuencia que los dems elementos del conjunto de datos.

Estadstica (o estimador): medidas numricas que describen las caractersticas de una muestra, representadas por caracteres latinos.

Estadstica sumaria: nmeros solos que describen ciertas caractersticas de un conjunto de datos.

Fractil: en una distribucin de frecuencias, es la posicin de un valor en, o por encima de, una fraccin dada de los datos.

Media: medida de tendencia central que representa el promedio aritmtico de un conjunto de observaciones.

Mediana: punto situado a la mitad de conjunto de datos, medida de localizacin que divide al conjunto de datos en dos partes iguales.

Medida de dispersin: medida que describe cmo se dispersan o distribuyen las observaciones de un conjunto de datos. Cantidades que describen la variabilidad de los datos.

Medida de distancia: medida de dispersin en trminos de la diferencia entre dos valores del conjunto de datos.

Medida de tendencia central (o de posicin): medida que indica el valor esperado de un punto de datos tpico o situado en el medio. Cantidades numricas que dan una idea sobre la ubicacin de la distribucin de frecuencias.

Moda: el valor que ms a menudo se repite en un conjunto de datos. Est representado por el punto ms alto de la curva de distribucin de un conjunto de datos.

Parmetros: valores numricos que describen las caractersticas de una poblacin completa, representados generalmente por letras griegas.

Percentiles: fractiles que dividen los datos en 100 partes iguales.

Resultado estndar: expresin de una observacin en trminos de unidades de desviacin estndar por encima o por debajo de la media; es decir, la transformacin de una observacin al restarle la media y dividirla entre la desviacin estndar.

Sesgo: grado en que una distribucin de puntos est concentrada en un extremo o en el otro; falta de simetra. Asimetra en distribuciones de frecuencias no simtricas.

Simtrica: caracterstica de una distribucin en la que cada mitad es la imagen especular de la otra.

Teorema de Chebyshev: no importa qu forma tenga la distribucin, al menos 75% de los valores de la poblacin caern dentro de dos desviaciones estndar a partir de la media, y al menos 89% caer dentro de tres desviaciones estndar.

Varianza: medida de la distancia cuadrada promedio entre la media y cada observacin de la poblacin. Promedio de los desvos cuadrticos con respecto a la media.

RECOMENDACIONES PRCTICAS:

Revisar cuidadosamente los datos antes de usarlos; verificar que no contengan errores; chequear en particular los valores extremos.

Elaborar histogramas o cualquier otro tipo de grficos que permita visualizar la forma y las caractersticas principales de la distribucin de frecuencias.

Diferenciar con precisin cundo se hace referencia a un parmetro poblacional y cundo a un estadstico muestral.

Usar en forma conjunta una media de posicin y una de dispersin (como mnimo) para analizar el comportamiento de la variable.

Prestar atencin a las ventajas y desventajas de las distintas medidas de posicin y dispersin, para decidir correctamente su eleccin.

Calcular la media aritmtica con los datos en bruto sin agrupar siempre que se requiera su valor exacto.

Dar preferencia al clculo de la mediana como medida de posicin, cuando la serie tiene pocos datos e incluye valores extremos.

No tiene sentido calcular la moda en series de datos sin agrupar.

Tanto la mediana como la moda son valores de la variable (no confundir con las frecuencias a las que estn asociadas).

Comparar, siempre que se pueda, media, mediana y moda para determinar el sesgo de la distribucin.

El rango o alcance es una medida de dispersin poco apropiada para describir series con muchos datos.

La desviacin estndar es preferible a la varianza porque se expresa en las mismas unidades de la variable.

BIBLIOGRAFA: RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES, ED. PRENTICE HALL, SEXTA ED., 1996

También podría gustarte