Las medidas de tendencia central tienen como objetivo el

sintetizar los datos en un valor representativo, las medidas de

dispersin nos dicen hasta que punto estas medidas de
tendencia central son representativas como sntesis de la
informacin. Las medidas de dispersin cuantifican la
separacin, la dispersin, la variabilidad de los valores de la
distribucin respecto al valor central. Distinguimos entre
medidas de dispersin absolutas, que no son comparables
entre diferentes muestras y las relativas que nos permitirn
comparar varias muestras.

MEDIDAS DE DISPERSIN
MEDIDAS DE DISPERSIN
ABSOLUTAS

VARIANZA ( s
2
)
Es el promedio del cuadrado de las distancias
entre cada observacin y la media aritmtica del
conjunto de observaciones.
Haciendo operaciones en la frmula anterior
obtenemos otra frmula para calcular la varianza:



Si los datos estn agrupados utilizamos las
marcas de clase en lugar de X
i
.

DESVIACIN TPICA (S)
La varianza viene dada por las mismas unidades
que la variable pero al cuadrado, para evitar este
problema podemos usar como medida de
dispersin la desviacin tpica que se define como
la raz cuadrada positiva de la varianza


Para estimar la desviacin tpica de una poblacin
a partir de los datos de una muestra se utiliza la
frmula (cuasi desviacin tpica):




MEDIDAS DE FORMA


Comparan la forma que tiene la
representacin grfica, bien sea el
histograma o el diagrama de barras de la
distribucin, con la distribucin normal.
ASIMETRA

Si bien es fcil tener una idea de si
la distribucin es simtrica o no tras
ver la representacin grfica
(p.e), un histograma o un diagrama
de caja y bigotes), es importante
cuantificar la posible asimetra de
una distribucin.

Recordemos que cuando la
distribucin de los datos es
simtrica, la media, la mediana y la
moda coinciden. (Y la distribucin
tiene la misma forma a la izquierda
y la derecha del centro)

Si bien muchas distribuciones
psicolgicas se asume que tienden
a ser simtricas y unimodales, en
muchos casos la distribucin que
encontramos es asimtrica (v.g.,
las distribuciones de los Tiempos
de Reaccin en casi cualquier tarea
es asimtrica positivo).

MEDIDA DE ASIMETRA

ASIMETRIA POSITIVA
Es cuando la mayora de los datos se encuentran por encima del valor de la
media aritmtica

ASIMETRIA NEGATIVA

Cuando la mayor cantidad de datos se aglomeran en los valores menores
que la media
Asimetra positiva
Moda
Mediana
Media
Asimetra negativa
Media
Mediana
Moda
Examen difcil
Salarios
Tiempos de Reaccin
Examen fcil
ESTADISTICOS PARA
DETECTAR
ASIMETRIA
HAY DIFERENTES ESTADISTICOS
QUE SIRVE PARA DETECTAR
ASIMETRIA.
Basado en diferencia entre
estadsticos de tendencia central
Basado en la diferencia entre el 1
y 2 cuartiles y 2 y 3.
Basados en desviaciones con
signo respecto a la media


DISTRIBUCION
SIMETRICA
ndices de asimetra
1. ndice de asimetra de Pearson
s
x
X Mo
A
s

Muy sencillo de calcular. Est basado en la relacin entre la media y la

moda en distribuciones simtricas y asimtricas (ver transparencia
anterior):
Si la distribucin es simtrica A
s
ser 0
Si la distribucin es asimtrica positiva, A
s
ser mayor que 0
Si la distribucin es asimtrica negativa, A
s
ser menor que 0
ndices de asimetra
2. ndice de asimetra de Fisher
Est basado en la diferencia de los datos sobre la media, como la
varianza, si bien esta vez se elevan los coeficientes al cubo
Si la distribucin es simtrica A
s
ser 0
Si la distribucin es asimtrica positiva, A
s
ser mayor que 0
Si la distribucin es asimtrica negativa, A
s
ser menor que 0
3
1
3
( )
n
i
i
s
x
X X n
A
s

Desventaja: Muy influida por puntuaciones atpicas (ya lo volveremos a
comentar en el ltimo punto de este tema).
Curtosis o apuntamiento
Hace referencia al
apuntamiento de la
distribucin en relacin a un
estndar, que es la
distribucin normal.
Este estndar es la
distribucin normal:
distribucin mesocrtica.
Si la distribucin es ms
apuntada que la distribucin
normal tenemos una
distribucin leptocrtica.
Si la distribucin es ms
achatada que la distribucin
normal tenemos una
distribucin platicrtica.


PLATICURTICA: CURTOSIS < 0
MESOCURTICA: CURTOSIS = 0
LEPTOCURTICA: CURTOSIS > 0


Los grficos que observaremos poseen
la misma media y desviacin tpica
pero con diferente grado de
apuntamiento
ESTADOS DE CURTOSIS
Curtosis o apuntamiento
IMPORTANTE: Curtosis es independiente de la variabilidad (en el
sentido de varianza).

Es decir, no es que una distribucin leptocrtica tenga menos varianza
y por eso es ms apuntada.

Una distribucin leptocrtica es muy apuntada en el centro (ms que la
normal), decae muy rpidamente en un primer momento, pero en los
extremos es algo ms alta que la distribucin normal.

Eso quiere decir que una distribucin leptocrtica es ms probable que
ofrezca ms valores extremos que la distribucin normal.
ndice de curtosis (veremos un solo ndice)
Para una distribucin normal (mesocrtica) sabemos que


4
1
4
( )
3
n
i
i
x
X X n
s

Y esta va a ser la referencia para el ndice de curtosis que vamos a

emplear
4
1
4
( )
3
n
i
i
r
x
X X n
C
s

Si la distribucin es normal (mesocrtica), el ndice vale 0

Si la distribucin es leptocrtica, el ndice es superior a 0
Si la distribucin es platicrtica, el ndice es inferior a 0
MS EJEMPLOS DE CURTOSIS