MEDIDAS

DE
DISPERSIÓN
MEDIDAS DE DISPERSIÓN
Las medidas de tendencia central no son
suficientes para describir un conjunto de
valores de una variable estadística.

Los promedios determinan el centro, pero nada

indican acerca de cómo están situados los
datos con respecto al centro.

Se necesita una medida del grado de

dispersión o variabilidad con respecto al centro
con la finalidad de ampliar la descripción de los
datos o de comparar dos más series de datos.
ESTADÍSTICA DE DISPERSIÓN

Son números que miden el grado de

separación de datos con respecto a un valor
central, que generalmente es la media
aritmética.

Menor dispersión = más homogéneo

Mayor dispersión = menos homogéneo
ESTADÍSTICA DE DISPERSIÓN

ESTADÍSTICAS
DE
DISPERSIÓN

RECORRIDO DESVIACIÓN COEFICIENT

RANGO
O
INTERCUARTIL
VARIANZA TÍPICA DE
RANGO O ESTÁNDAR VARIACIÓ
RANGO O RECORRIDO
 Definición.-Es la diferencia entre su valor
máximo y su valor mínimo.
 Denotar: R
 R = máx X - mín X
 Ejemplo. Sea los datos 1, 3, 3, 4, 5, 6
 R = 6 -1 =5
 Este estadígrafo nos da una primera
aproximación de la posible dispersión de los
datos. Si el rango es grande existe la
posibilidad de que los datos estén alejados uno
de otros y, en consecuencia, de que los valores
 centrales no sean demasiados representativos.
RANGO INTERCUARTIL
 Definición.-Es la diferencia entre sus cuartiles
tercero y primero.
 Representar: RI
 RI = Q3 - Q1
 El RI es una medida que excluye el 25% más
alto y el 25% más bajo, dando un rango del
50% de los datos centrales.
Ejemplo. Sea los datos ordenados :

9 12 13 14 15 16 17 18 19 20 21 22
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12
25% / 50% / 25%
donde:
Q1 =13,25 Q3 = 19,75

RI = Q3 - Q1 = 19,75 – 13,25 = 6.5

 VARIANZA
 Definición.- Es la media aritmética de los
cuadrados de las desviaciones o diferencias de
los datos con respecto a su media aritmética.

 Representar : v( x )

 s² varianza muestral
 δ² varianza poblacional
CÁLCULO DE LA VARIANZA

1.- Datos no agrupados

2.- Datos agrupados

1.- Datos no agrupados

Sea x1 , x2 , … , xn un
conjunto de n datos de una
variable X, cuya media es
m(x).

s² = (1/n)
EJEMPLO 1.
Los siguientes valores representan la
viscosidad dinámicas del agua en
distintas temperaturas:

1793, 1309, 1006, 800, 657, 550, 469,

406, 357, 315, 284

¿Cuál es la varianza?

Solución:
X: viscosidad dinámicas del agua

= 722,36
____

s² = [(1793-722,36)2 +… +
(284-722,36)2] / 11

s² = 2266740,55
=
2.- Datos agrupados

 Sea y1, y2 , … ,yk valores distintos o marcas de

clase de la variable , con frecuencias absolutas
f1 ,f2 , … ,fk respectivamente, cuya media es
m(y).

 s² = (1/n)
 PROPIEDADES
1.- La varianza de una variable x es siempre
una cantidad no negativa.
 v(x) ≥ 0
 2.- Varianza de una constante es cero.
 v(a) = 0 donde a es constate
 3.- La varianza del producto de una constante
 por una variable, es igual al producto del
 cuadrado de la constante por la varianza de
 la variable.
 4.- La varianza de la suma de una
variable y una constante es igual
a la varianza de la variable.

v( x + a ) = v( x )

 5.-Efecto de un cambio de origen y escala en

los datos. Si a partir de una variable x
 definimos la variable y = a + bx se verifica que:
 v(y) = v( a+bx ) = b² v(x)
DESVIACIÓN TÍPICA O ESTÁNDAR
 Definición.- Es la raíz cuadrada positiva de la
varianza.
 representar:
 s = +√ v(x) desviación típica muestral
 δ = +√ v(x) desviación típica poblacional
 Características
 1.-La desviación típica es una unidad de
medida de la dispersión, al igual que el
kilogramo es una unidad de peso o el metro es
una unidad de medida de longitud.
 2.- Para el cálculo de la desviación típica,
intervienen todos los valores de la variable.
 De tal manera cuanto mayor sea la desviación
típica, es más probable que se obtengan un
valor alejado de la media. Por otra parte,
cuando más pequeña sea la desviación típica,
 más probable es obtener un valor cercano a la
media.
 3.- La desviación estándar es de la misma
naturaleza que la variable X y depende de su
magnitud.
 Usos

1.- Se utiliza en muchos problemas en inferencia

estadística y desempeña un papel esencial en
los diversos métodos estadísticos.

2.- Se puede utilizar para comparar la variación

de dos distribuciones o poblaciones, siempre
que las variables se expresen en las mismas
unidades de medida y sean aproximadamente
del mismo tamaño promedio.
Ejemplo.-

X: viscosidad dinámicas del agua

= 722,36
____

s = √2266740,55 = 1505,57
 COEFICIENTE DE VARIACIÓN
 Definición.- Es el cociente entre la desviación
estándar y la media aritmética.
 Representar: cv
 cv = s / m(x)
 Si bien formalmente el coeficiente de variación se
puede calcular para cualquier tipo de variable, sólo se
debe calcular para variables que únicamente tomen
valores positivos, pues una medida de variabilidad
debe ser no negativa.
 Es un coeficiente adimensional.
 Es invariante frente a cambios de escala en los datos.
 Cararterísticas y usos
 1.- Es una estadística que se utiliza para comparar
dos o más distribuciones cuando las unidades de
medida de las variables están expresadas en
diferentes unidades o escalas de medida, dentro de
una misma magnitud ( metros o kilométros ), e
incluso, cuando se trata de magnitudes distintas (
litros, kilogramos, años, etc. ); porque este estadístico
carece de dimensiones.
 2.- Al comparar dos o más distribuciones, es más
homogénea o presenta menos discrepancia, aquella
distribución que tiene el menor coeficiente de
variación.
 3.- Un coeficiente de variación mayor del 50%
corresponde a una “ masa estadística no
homogénea”, en este caso el uso de la media
aritmética apenas es justificado. En cuanto
para valores inferiores a 50%, la media será
tanto más representativa, cuando menos sea el
coeficiente de variación.
Ejemplo.-

X: viscosidad dinámicas del agua

= 722,36
____

s =1505,57

c.v. = (1505,57 / 722,36 )x100 ≈

= 208,42%
 FORMA DE UNA
DISTRIBUCION
Cuando dos distribuciones
coinciden en sus medidas
de posición y dispersión, no
tenemos datos analíticos
para ver si son distintas.

Una forma de compararlas

es mediante su forma.
 Bastará con comparar la
forma de sus histogramas o
diagramas de barras para
ver si se distribuyen o no de
igual manera.
Para efectuar este estudio
de la forma en una sola
variable, hemos de tener
como referencia una
distribución modelo.
Como convenio, se toma
para la comparación la
distribución Normal de
media 0 y varianza 1.
 LA ASIMETRIA
es estudiar la deformación
horizontal de los valores de
la variable respecto al valor
central de la media.
Las medidas de forma
pretenden estudiar la
concentración de la variable
hacia uno de sus extremos.
Una distribución es
simétrica cuando a la
derecha y a la izquierda de
la media existe el mismo
número de valores,
equidistantes dos a dos de la
media, y a demás con la
misma frecuencia.
Una distribución es
Simétrica si X = Me = Mo
____
si X ≤ Me ≤ Mo
____

la Curva es Asimétrica a la
izquierda
Si Mo ≤ Me ≤ X
____

La Curva es Asimétrica a la
derecha
Coeficiente de asimetría de
Pearson
media - moda
AS = ---------------------------
desviación típica

Si AS > 0, distr. Asimétrica +

Si AS = 0, distrib. simétrica
Si AS < 0, distr. Asimétrica -
Coeficiente de asimetría de
Pearson
3(media – mediana)
AS = --------------------------------
desviación típica

Si AS > 0, distr. Asimétrica +

Si AS = 0, distrib. simétrica
Si AS < 0, distr. Asimétrica -
 LA CURTOSIS
El concepto de curtosis o
apuntamiento de una
distribución surge al
comparar la forma de dicha
distribución con la forma de
la distribución
Normal.
Coeficiente de Curtosis en
función de percentiles:
p75 – p25
C= ------------------- - 0,263
2(p90 – p10 )
Si C=0, distr. es mesocúrtica
Si C>0, distr. Es leptocúrtica
Si C<0, distr. Es platicútica
Coeficiente de Curtosis de
Fisher
m4
g2 = ------- - 3
S4
Si g2 =0, distr. es mesocúrtica
Si g >0, distr. Es leptocúrtica
2
Si g <0, distr. Es platicútica
2