Universidad Autónoma de Santo Domingo

(UASD)

Nombre

Matricula:

Profesor
Lic. Joel Patiño

Asignatura
Estadística Industrial I

Tema
Desarrollo unidad 4

Utilidad de estas medidas.

 ¿Por qué es tan importante entender y medir la dispersión de la
distribución? Primero, nos proporciona información adicional que nos
permite juzgar la confiabilidad de nuestra medida de tendencia central.
Si los datos se encuentran muy dispersos la posición central es menos
representativa de los datos, como un todo, que cuando éstos se agrupan
más cerca alrededor de la media, Segundo, ya que existen problemas
característicos para datos muy dispersos, debemos ser capaces de
reconocer esa dispersión amplia para poder abordar esos problemas.
Tercero, quizá se desee comparar las dispersiones de diferentes
muestras. Si no se desea tener una amplia dispersión de valores con
respecto del centro de distribución, o esto presenta riesgos
inaceptables, necesitamos poder reconocerla y evitar elegir
distribuciones que tengan las dispersiones más grandes.

Medidas absolutas de dispersión

Son Aquella que se usan en los análisis estadísticos generales, como

recorrido, desviación media, varianza y desviación típica.

Rango o recorrido, desviación intercuartílica, desviación media,

varianza y desviación estándar o típica.

El rango de un conjunto de datos es la diferencia entre el valor máximo y

el valor mínimo.

El rango intercuartílico (RIC). Esta medida de variabilidad es la

diferencia entre el tercer cuartil Q3 y el primer cuartil Q1. En otras
palabras, el rango intercuartílico es el rango en que se encuentra el 50%
central de los datos.

La desviación absoluta promedio o, sencillamente desviación media o

promedio de un conjunto de datos es la media de las desviaciones
absolutas y es un resumen de la dispersión estadística.

La varianza es una medida de variabilidad que utiliza todos los datos. La

varianza está basada en la diferencia entre el valor de cada observación
(xi) y la media. A la diferencia entre cada valor xi y la media (cuando se
trata de una muestra, μ cuando se trata de una población) se le llama
desviación respecto de la media.

La desviación estándar se define como la raíz cuadrada positiva de la

varianza. Continuando con la notación adoptada para la varianza
 muestral y para la varianza poblacional, se emplea s para denotar la
desviación estándar muestral y σ para denotar la desviación estándar
poblacional.

Procedimientos de cálculos e interpretación para datos simples y

agrupados.

El rango

❖ Para datos simples

Ejemplo: Se tienen las edades de cinco estudiantes

universitarios de 1er año, a saber: 18,23, 27,34 y 25.
R = Xn-X1 = 34 - 18 = 16 años

❖ Para datos agrupados

Ejemplo: Si se toman los datos del ejemplo resuelto al

construir la tabla de distribución de frecuencia de
las cuentas por cobrar de Cabrera’s y Asociados que fueron
los siguientes:
 Clases P.M. fi fr fa↓ fa↑ fra↓ fra↑
Xi

7.420 – 14.628 10 0.33 10 30 0.33 1.00

21.835

21.835 – 29.043 4 0.13 14 20 0.46 0.67

36.250

36.250 – 43.458 5 0.17 19 16 0.63 0.54

50.665

50.665 – 57.873 3 0.10 22 11 0.73 0.37

65.080

65.080 – 72.288 3 0.10 25 8 0.83 0.27

79.495

79.495 – 86.703 5 0.17 30 5 1.00 0.17

R= 93.910

Total XXX 30 1.00 XXX XXX XXX XXX

(93.910 – 7.420) = 86.49

El rango intercuartílico
❖ Para datos simples

Ejemplo: Sea un conjunto ordenado de las edades de los veinte

sujetos (N=20) de un club.

Para calcular el rango intercuartílico, tendremos que calcular

el primer y el tercer cuartil (Q1 y Q3).
El cuartil 1 es:
 El cuartil 3 es:

Una vez hemos calculado en primer y tercer cuartil, ya

podemos calcular el rango intercuartílico.

❖ Para datos agrupados

Para datos agrupados será la misma fórmula, lo que
buscaremos los cuartiles con las fórmulas de datos
agrupados, luego haremos una resta del cuartil 3 y el cuartil
1.

Desviación media
❖ Para datos simples

Ejemplo: Hallar la desviación media de la series de números

siguientes:
2, 3, 6, 8, 11.
Media

Desviación media

❖ Para datos agrupados

Ejemplo: Calcular la desviación media de la distribución:

xi fi xi · fi |x - x| |x - x| · fi

[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 10.714 21.428

21 457.5 98.57

La varianza

❖ Para datos simples

Ejemplo: Hallar la la varianza de la sucesión 2, 3, 6, 8,
11.

Media

Varianza

❖ Para datos agrupados

xi fi xi · fi xi2 · fi

[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

Ejemplo: Calcular la varianza de la distribución de la tabla:

La desviación estándar
❖ Para datos simples

Ejemplo: Calcular la desviación típica de la distribución: 9, 3,

8, 8, 9, 8, 9, 18
 ❖ Para datos agrupados

Ejemplo: Calcular la desviación típica de la distribución de la

tabla:

xi fi xi · fi xi2 · fi

[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 88
820 050
 Medidas relativas de dispersión.

Son indicadores de la dispersión de la distribución que se han

relativizado, para que no afecten las unidades de medida de la
variable y para que puedan hacerse comparaciones entre las
dispersiones de conjuntos de datos dispares.

Coeficiente de variabilidad

Equivale a la desviación típica expresada en porcentaje respecto

de la media aritmética. Es la desviación típica partido por la media
aritmética.

Procedimientos de cálculos e interpretación para datos simples y

agrupados

❖ Para datos simples

Ejemplo: La asistencia de espectadores a las 4 salas de un

cine un determinado día fue de 200, 500, 300 y 1000 personas.
Calcular el coeficiente de variación. Desviación típica

Coeficiente de variación
 ❖ Para datos agrupados

Para medir el coeficiente de variación, se puede utilizar la

misma fórmula que para datos no agrupados. Y también esta.

Ejemplo: Una distribución tiene x = 140 y σ = 28.28 y otra x =

150 y σ = 24. ¿Cuál de las dos presenta mayor dispersión?