1.

VARIANZA Esta medida nos permite identificar la diferencia promedio que hay entre cada uno de los valores respecto a su punto central (Media ). Este promedio es calculado, elevando cada una de las diferencias al cuadrado (Con el fin de eliminar los signos negativos), y calculando su promedio o media; es decir, sumado todos los cuadrados de las diferencias de cada valor respecto a la media y dividiendo esteresultado por el nmero de observaciones que se tengan. Si la varianza es calculada a una poblacin (Total de componentes de un conjunto), la ecuacin sera:

Ecuacin 5-6

Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa la media poblacional y (N) es el nmero de observaciones tamao de la poblacin. En el caso que estemos trabajando con una muestra la ecuacin que se debe emplear es:

Ecuacin 5-7

Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa la media de la muestra y (n) es el nmero de observaciones tamao de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta uno al tamao de la muestra; esto se hace con el objetivo de aplicar una pequea medida de correccin a la varianza, intentando hacerla ms representativa para la poblacin. Es necesario resaltar que la varianza nos da como resultado el promedio de la desviacin, pero este valor se encuentra elevado al cuadrado. 2. Desviacin estndar o Tpica Esta medida nos permite determinar el promedio aritmtico de fluctuacin de losdatos respecto a su punto central o media. La desviacin estndar nos da comoresultado un valor numrico que

representa el promedio de diferencia que hay entre los datos y la media. Para calcular la desviacin estndar basta con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:
Ecuacin 5-8

Para comprender el concepto de las medidas de distribucin vamos a suponer que el gerente de una empresa de alimentos desea saber que tanto varan los pesos de los empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente. Por lo que su media es:

La varianza sera:

Por lo tanto la desviacin estndar sera:

Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta informacin le permite al gerente determinar cuanto es el promedio de perdidas causado por el exceso de peso en los empaques y le da las bases para tomar los correctivos necesarios en el proceso de empacado.

3.4. Covarianza

La covarianza SXY , es una medida que nos hablara de la variabilidad conjunta de dos variables numericas (cuantitativas). Se dene como: SXY = 1 n Xn i=1 (xi x)(yi y) Una interpretacion geometrica de la covarianza Consideremos la nube de puntos formadas por las n parejas de datos (xi , yi). El centro de gravedad de esta nube de puntos es (x,y), o bien podemos escribir simplemente (x,y) si los datos no estan ordenados en una tabla de doble entrada. Trasladamos los ejes XY al nuevo centro de coordenadas (x,y). Queda as dividida la nube de puntos en cuatro cuadrantes como se observa en la gura 3.1. Los puntos que se encuentran en el primer y tercer cuadrante contribuyen positivamente al valor de SXY , y los que se encuentran en el segundo y el cuarto lo hacen negativamente. De este modo: Si hay mayora de puntos en el tercer y primer cuadrante, ocurrira que SXY 0, lo que se puede interpretar como que la variable Y tiende a aumentar cuando lo hace X;3.4. COVARIANZA 79 . . XX YY

(x,y) (x,y) + ++ + Casi todos los puntos pertenecen a los cuadrantes primero y tercero Cuando X crece, Y decrece Casi todos los puntos pertenecen a los cuadrantes segundo y cuarto Cuando X crece, Y crece Figura 3.1: Interpretacion geometrica de SXY Si la mayora de puntos estan repartidos entre el segundo y cuarto cuadrante entonces SXY 0, es decir, las observaciones Y tienen tendencia a disminuir cuando las de X aumentan; Si los puntos se reparten con igual intensidad alrededor de (x,y), entonces se tendra que SXY = 0. Vease la gura 3.2 como ilustracion.

La es peranza

matemtica o valor

es pera do de

una

v ariable

aleatoria discreta es la sum a del pro ducto de la probabilidad de cada suceso por el valor de dicho suceso.

Los nombre de esperanza matemtica y valor espera do tienen su origen en los ju egos de azar y hacen referencia a la ganancia promedio esperada por un jugador cuando hace un gr an nmero de apuestas.

Si

la espera nza

matemtica es cero ,

E(x)

0,

el juego es equitat i vo , es decir, no ex iste ventaja ni para el jugador ni para la banca.

Ejempl os

Si u na perso na com pra una papeleta en una r ifa, en la que puede ganar de 5.000 un segundo prem io de 2000 con pro babilidades de: 0.001 y 0. 003. Cul ser a el precio justo a pagar por la papeleta?

E(x) = 5000 0.001 + 2000 0.003 = 11

Un jugador lanza do s monedas. Gana 1 2 si apar ecen una o dos car as. Por otra parte pier de 5 si no aparece car a. D eterminar la es peranza matem tica del juego y si ste es f avorable.

E = {(c,c);(c,x);(x,c) ;(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(5) = 1/4

E(x)= 1 2/4 + 2 1/4 - 5 1/4 = 1/4. Es desfa vora ble