ESTADISTICA GENERAL

MEDIDAS ESTADISTICAS DE DISPERSION

MS. Carmen Saldaña Vásquez

rsv@upnorte.edu.pe
 Contenido:
Medidas de dispersión: Rango, Varianza,
Desviación Estándar y el Coeficiente de
Variación. Fórmulas.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

Medidas de dispersión o de variabilidad:

Las medidas de dispersión son valores que sirven para

cuantificar la homogeneidad (uniformidad, variabilidad) de los
datos de una variable.
Indican el mayor o menor alejamiento de los datos de una
variable que generalmente es respecto a un promedio.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

Medidas de dispersión o de variabilidad:
Las medidas de dispersión son:
A. Las medidas de dispersión absoluta más utilizadas son:
 Amplitud, rango o recorrido
 Varianza
 Desviación estándar

B. Medidas de dispersión relativa son:

Coeficiente de variabilidad

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

A. Las medidas de dispersión absoluta
AMPLITUD
 Es la más simple y se denota por R.
Se determina para los tipos de datos:

Datos No Agrupados Datos Agrupados

R = Valor máximo – Valor mínimo R = LSk-LI1

Propiedades:
• Siempre asume valores positivos.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

VARIANZA:
La varianza muestral se define:
n
 
 ( xi  x ) 2

  2
S  i 1

Donde: n 1
xi  x es la desviación de una observación con respecto a la media.
xi  x puede tomar valores positivos o negativos, dependiendo de
si el valor xi es superior o inferior a esta.
Propiedades:
La varianza siempre es positiva.
La varianza es única y siempre existe.
La varianza es afectada por los valores extremos.
El mayor inconveniente de la varianza es que su unidad de medida es el cuadrado de
la unidad de medida de los datos originales, este impasse la hace inaplicable de
manera directa.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

VARIANZA:

Determinación de la varianza muestral según

el tipo de datos:
Datos No Agrupados Datos Agrupados

2
 k 
n n
  fi xi 
 i
( x  x)2
i
x2
 nx 2

k
fi xi2   i 1 
2
S  i 1
 i 1 2 n
S  i 1
n 1 n 1 n 1
Donde:
 n 
2
fi: frecuencia absoluta
n
  xi  xi: marca de clase
 xi2   i 1  k: numero de clases
n
S 2  i 1 n: numero de observaciones
n 1

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 Ejemplo 1:
Una muestra aleatoria de los precios de venta (en miles de dólares) de los departamentos en Cajamarca
proporcionaron los siguientes valores:
40, 39, 56, 40, 48, 60, 56
Calcule la varianza muestral de estos precios en venta de 2
los departamentos;
 n


Solución:  xi 
n  
 2
xi   i 1

n


S 2  i 1
n 1
2
2 2 2 40  39  ...  56 
40  39  ...  56   
2  7 
S 
7 1
2
339
16897 
S2  7
6
S 2  79.952dólares 2

Interpretación:
El valor de 79.952 significa que, en promedio, la desviación al cuadrado de una observación con respecto
a la media es 79.952. Nótese que las unidades de S2 son miles de dólares 2
Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12
Ejemplo 2:
La siguiente tabla muestra las bonificaciones (en cientos de nuevos soles) de grupo de
trabajadores, determinar la varianza:
Solución: Bonificaciones
x f f* f *x
(Cientos Nuevos i i i i i
Soles)
10 -15. 12.5 156.25 468.75 37.5
15-20 17.5 8 306.25 2450 140
20-25 22.5 12 506.25 6075 270
25-30 27.5 15 756.25 11343.8 412.5
30-35 32.5 7 1056.25 7393.75 227.5
35-40 37.5 5 1406.25 7031.25 187.5
Total 50 4187.5 34762.5 1275
2
 k

k

  f i xi 

 f i xi  
2 i 1

n


S2  i 1
n 1

3 (12 . 5 ) 2  8 (17 . 5 ) 2  ...  5 ( 37 . 5 ) 2 

3 (12 .5 )  8 (17 . 5 )  ...  5 ( 37 .5 ) 2
S2  50
50  1

34762 . 5 
1275  2

S2  50
49
2 2
S  45 . 92 Soles
S2 = 45.92 soles2
Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12
 DESVIACIÓN ESTÁNDAR (S)
Es la raíz cuadrada positiva de la varianza muestral.
Determinación de la desviación estándar muestral según el tipo de datos:
Datos No Agrupados Datos Agrupados

n n 2
 k 
(x  x)i
2
x nx
2
i
2
k

  f i xi 
S i1
  i1  f i xi2   i 1 
n1 n1 n
S i 1

n 1
 n 
2
Donde:
n
  x i  fi: frecuencia absoluta
 x i2   i  1  xi: marca de clase
n k: numero de clases
S  i 1
n 1 n: numero de observaciones

PROPIEDADES:
•La desviación estándar siempre es positiva.
•La desviación estándar es única y siempre existe.
•La desviación estándar es afectada por los valores extremos.
•La desviación estándar tiene su unidad de medida igual a la unidad de medida de los
datos originales, esta propiedad la hace útil para analizar la dispersión de los datos.
Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12
 … del Ejemplo 1:
Calcule la desviación estándar muestral de estos precios en venta de los
departamentos;
Solución:

S  79 . 952 d ó lares
S  8 . 94 d ó lares

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

B. Medidas de dispersión relativa

1. Coeficiente de variabilidad o de variación:

Denotado por CV, cuantifica la dispersión relativa que

contienen los datos expresándola como el porcentaje de S con
respecto a al promedio.
 
S
CV  * 100
x

Se aplica la misma en caso de datos agrupados y no

agrupados.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 Coeficiente de variabilidad:
Propiedades:
 No es aplicable si el promedio es cero.
 No tiene unidades.
 Es útil para comparar si un conjunto de datos tiene un
comportamiento homogéneo o heterogéneo, para este fin se
aplica la siguiente tabla empírica.

Valor de CV Interpretación

0 ≤ CV ≤ 30 Los datos son homogéneos

CV > 30 Los datos son heterogéneos

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 … del Ejemplo 1:
Determine si estos precios en venta de los departamentos, representan una
distribución homogénea.
Solución:
S
CV  * 100
x
8.94
CV  * 100
48.43
CV  18.46  30%

Como el CV es menor al 30% se concluye que los precios de las ventas de

los departamentos presentan una distribución homogénea.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

MEDIDAS DE FORMA:

Sirven para cuantificar la semejanza que tiene la distribución de

los datos con respecto a la distribución simétrica y unimodal
conocida como distribución normal.

Las medidas de forma son:

 Coeficiente de asimetría
 Coeficiente de curtosis (apuntamiento)

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 ASIMETRIA

La asimetría se entiende como la deformación

horizontal de un conjunto de datos.
Para conocer esta asimetría se calcula el Coeficiente
de Asimetría.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 Coeficiente de Asimetría:
Se define:

O O

Interpretación:

Interpretación: sesgo de la distribución de los

Valor de CA
datos

CA<0 (Media < Me < Mo) La distribución es asimétrica a la izquierda

(negativa)
CA>0 (Media > Me > Mo) La distribución es asimétrica a la derecha
(positiva)
CA=0 (Media = Me = Mo) La distribución es simétrica

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

Coeficiente de Asimetría:
Gráficamente:

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 … del Ejemplo 1:
Determine si estos precios en venta de los departamentos, representan una
distribución simétrica o asimétrica.
Solución:
Los datos son: 40, 39, 56, 40, 48, 60, 56
Los datos ordenados son: 39, 40, 40, 48, 56, 56, 60
3( x  Me)
CA 
S
3(48.43  48)
CA 
8.94
CA  0.14  0
Los precios de las ventas de los departamentos, presentan una distribución
asimétrica positiva.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 KURTOSIS

Se entiende por Kurtosis a la deformación

vertical de un conjunto de datos, es decir, mide
el apuntamiento, achatamiento de un conjunto
de datos.
Kurtosis en función de los cuantiles:

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 Coeficiente de Kurtosis o de Apuntamiento:
Cuantifica la cantidad de observaciones que se agrupan alrededor de las medidas de tendencia
central de la distribución de los datos.

Interpretación:

Interpretación: sesgo de la distribución de los

Valor de CK
datos

K  0.5 ó k > 0,5 La distribución es leptocúrtica (apuntada)

K  0.25 ó k = 0,25 La distribución es mesocúrtica (normal)
0 ≤ K ≤ 0,25 La distribución es platicúrtica (aplanada)

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

Coeficiente de Kurtosis o de Apuntamiento:

Gráficamente:

Leptokúrtica Mesokúrtica Platikúrtica

K  0.5 ó > 0,5 K  0.25 ó = 0,25 0 ≤ K ≤ 0,25

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12

 … del Ejemplo 1:
Determine el coeficiente de Kurtosis para los precios en venta de los departamentos
Solución:
Los datos son: 40, 39, 56, 40, 48, 60, 56
Los datos ordenados son: 39, 40, 40, 48, 56, 56, 60

(Q3  Q1)
K
2( P90  P10)
(56  40)
K
2(60  39)
K  0.38  0
Los precios de las ventas de los departamentos, presentan una distribución asimétrica
positiva.

Curso: ESTAG - Docente: MS. Carmen Saldaña Vásquez Fecha: 07/05/12