Medi das de di spersi n

Las medi das de di spersi n nos i nforman sobre cunt o se al ej an

del cent ro l os val or es de l a di st ri buci n.
Las medi das de di spersi n son:
Rango o recorri do
El rango es l a di f erenci a ent re el mayor y el menor de l os datos
de una di st ri buci n est ad st i ca.
Desvi aci n medi a
La desvi aci n respecto a l a medi a es l a di f erenci a ent re cada
val or de l a vari abl e est ad st i ca y l a medi a ari t mti ca.
D
i
= x - x
La desvi aci n medi a es l a medi a ari tmti ca de l os val ores
absol utos de l as desvi aci ones respecto a l a medi a.
La desvi aci n medi a se repr esent a por


Ejempl o
Cal cul ar l a desvi aci n medi a de l a di st r i buci n:
9, 3, 8, 8, 9, 8, 9, 18


Desvi aci n medi a para datos agrupados
Si l os dat os vi enen agrupados en una tabl a de f recuenci as, l a
expresi n de l a desvi aci n medi a es:


Ejempl o
Cal cul ar l a desvi aci n medi a de l a di st r i buci n:
x
i
f
i
x
i
f
i
| x - x| | x - x| f
i

[10, 15) 12. 5 3 37. 5 9. 286 27. 858
[15, 20) 17. 5 5 87. 5 4. 286 21. 43
[20, 25) 22. 5 7 157. 5 0. 714 4. 998
[25, 30) 27. 5 4 110 5. 714 22. 856
[30, 35) 32. 5 2 65 10. 174 21. 428
21 457. 5 98. 57


Vari anza
La vari anza es l a medi a ari t mti ca del cuadrado de l as
desvi aci ones respecto a l a medi a de una di st ri buci n est ad st i ca.
La vari anza se repr esent a por .

Vari anza para datos agrupados

Para si mpl i fi car el cl cul o de l a vari anza vamos o ut i l i zar l as
si gui ent es expresi ones que son equi val ent es a l as ant eri ores.

Vari anza para datos agrupados

Ejerci ci os de vari anza
Cal cul ar l a vari anza de l a di st ri buci n:
9, 3, 8, 8, 9, 8, 9, 18


Cal cul ar l a vari anza de l a di st ri buci n de l a t abl a:
x
i
f
i
x
i
f
i
x
i
2
f
i

[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30, 40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60 55 8 440 24 200
[60, 70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050



Propi edades de l a vari anza
1 La vari anza ser si empre un val or posi ti vo o cero, en el caso
de que l as punt uaci ones sean i gual es.
2 Si a t odos l os val ores de l a vari abl e se l es suma un nmero l a
vari anza no var a.
3 Si t odos l os val ores de l a vari abl e se mul ti pl i can por un
nmero l a vari anza queda mul ti pl i cada por el cuadrado de di cho
nmero.
4 Si t enemos vari as di st ri buci ones con l a mi sma medi a y
conocemos sus respect i vas vari anzas se puede cal cul ar l a vari anza
total .
Si t odas l as muest ras t i enen el mi smo t amao:

Si l as muest ras t i enen di st i nt o t amao:


Observaci ones sobre l a vari anza
1 La vari anza, al i gual que l a medi a, es un ndi ce muy sensi bl e a
l as punt uaci ones ext remas.
2 En l os casos que no se pueda hal l ar l a medi a t ampoco ser
posi bl e hal l ar l a vari anza.
3 La vari anza no vi ene expresada en l as mi smas uni dades que l os
dat os, ya que l as desvi aci ones est n el evadas al cuadrado.

Desvi aci n t pi ca
La desvi aci n t pi ca es l a ra z cuadrada de l a vari anza.
Es deci r, l a ra z cuadrada de l a medi a de l os cuadrados de l as
punt uaci ones de desvi aci n.
La desvi aci n t pi ca se repr esent a por .

Desvi aci n t pi ca para datos agrupados

Para si mpl i fi car el cl cul o vamos o ut i l i zar l as si gui ent es
expresi ones que son equi val ent es a l as ant eri ores.

Desvi aci n t pi ca para datos agrupados

Ejerci ci os de desvi aci n t pi ca
Cal cul ar l a desvi aci n t pi ca de l a di st ri buci n:
9, 3, 8, 8, 9, 8, 9, 18


Cal cul ar l a desvi aci n t pi ca de l a
di st ri buci n de l a t abl a:
x
i
f
i
x
i
f
i
x
i
2
f
i

[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30, 40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60) 55 8 440 24 200
[60, 70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050



Propi edades de l a desvi aci n t pi ca
1 La desvi aci n t pi ca ser si empre un val or posi ti vo o cero, en
el caso de que l as punt uaci ones sean i gual es.
2 Si a t odos l os val ores de l a vari abl e se l es suma un nmero l a
desvi aci n t pi ca no var a.
3 Si t odos l os val ores de l a vari abl e se mul ti pl i can por un
nmero l a desvi aci n t pi ca queda mul ti pl i cada por di cho nmero.
4 Si t enemos vari as di st ri buci ones con l a mi sma medi a y
conocemos sus respect i vas desvi aci ones t pi cas se puede cal cul ar l a
desvi aci n t pi ca total .
Si t odas l as muest ras t i enen el mi smo t amao:

Si l as muest ras t i enen di st i nt o t amao:

Observaci ones sobre l a desvi aci n t pi ca
1 La desvi aci n t pi ca, al i gual que l a medi a y l a vari anza, es un
ndi ce muy sensi bl e a l as punt uaci ones ext remas.
2 En l os casos que no se pueda hal l ar l a medi a t ampoco ser
posi bl e hal l ar l a desvi aci n t pi ca.
3 Cuant a ms pequea sea l a desvi aci n t pi ca mayor ser l a
concentraci n de datos al rededor de l a medi a.

Medidas de dispersin
Breve Introduccin
Hasta el momento hemos estudiado los valores centrales de la distribucin, pero tambin es importante
conocer si los valores en general estn cerca o alejados de estos valores centrales, es por lo que surge la
necesidad de estudiar medidas de dispersin.
Rango:
Es la primera medida que vamos a estudiar, se define como la diferencia existente entre el valor mayor y el
menor de la distribucin,. Lo notaremos como R. Realmente no es una medida muy significativa e la mayora
de los casos, pero indudablemente es muy fcil de calcular.
Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de desviacin con respecto a
cualquiera de ellas, sin embargo, la mas utilizada es con respecto a la media.
Desviacin: Es la diferencia que se observa entre el valor de la variable y la media aritmtica. La
denotaremos por d
i
.
No es una medida, son muchas medidas, pues cada valor de la variable lleva asociada su correspondiente
desviacin, por lo que precisaremos una medida que resuma dicha informacin.
La primera solucin puede ser calcular la media de todas las desviaciones, es decir, si consideramos como
muestra la de todas las desviaciones y calculamos su media. Pero esta solucin es mala pues como veremos
siempre va a ser 0.

Luego por lo tanto esta primera idea no es valida, pues las desviaciones positivas se contrarrestan con las
negativas.
Para resolver este problema, tenemos dos caminos:
Tomar el valor absoluto de las desviaciones. Desviacin media
Elevar al cuadrado las desviaciones. Varianza.
Desviacin media:
Es la media de los valores absolutos de las desviaciones, y la denotaremos por d
m
.

Varianza:
Es la media de los cuadrados de las desviaciones, y la denotaremos por o tambin por .

Aunque tambin es posible calcularlo como:

Este estadstico tiene el inconveniente de ser poco significativo, pues se mide en el cuadrado de la unidad de
la variable, por ejemplo, si la variable viene dada en cm. La varianza vendr en cm
2
.

Desviacin tpica:
Es la raz cuadrada de la varianza, se denota por S
x
o
x
.

Este estadstico se mide en la misma unidad que la variable por lo que se puede interpretar mejor.
Otros dos estadsticos importantes son la cuasivarianza y la cuasidesviacin tpica, que como veremos cuando
estudiemos el tema de estimacin estadstica, son los estimadores de la varianza y desviacin tpica
poblacionales respectivamente.
Cuasivarianza:
Es una medida de dispersin, cuya nica diferencia con la varianza es que dividimos por N-1, la
representaremos por o y la calcularemos de la siguiente forma:

Cuasidesviacin tpica:
La raz cuadrada de la cuasivarianza y la denotaremos por S
N1
o
N-1
.

Todas estas medidas de dispersin vienen influidas por la unidad en la que se mide la variable, esto implica
que si cambiamos de unidad de medida, los valores de estos estadsticos se vean a su vez modificados.
Adems, no permite comparar por ejemplo, en un grupo de alumnos si los pesos o las alturas presentan mas
dispersin. Pues no es posible comparar unidades de distinto tipo.
Precisamos por lo tanto, una medida "escalar", es decir, que no lleve asociado ninguna unidad de medida.
Coeficiente de Variacin:
Es un estadstico de dispersin que tiene la ventaja de que no lleva asociada ninguna unidad, por lo que nos
permitir decir entre dos muestras, cual es la que presenta mayor dispersin. La denotaremos por C.V.

Ejemplo
Veamos por ltimo un ejemplo de cmo se calculan todas estas medidas.


45 55 6 6 50 300 -19,4 116,4 2258,16 15000
55 65 10 16 60 600 -9,4 94 883,6 36000
65 75 19 35 70 1330 0,6 11,4 6,84 93100
75 85 11 46 80 880 10,6 116,6 1235,96 70400
85 95 4 50 90 360 20,6 82,4 1697,44 32400

N= 50

3470

420,8 6082 246900
=

Dm=


=







C.V.=