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 este resultado por el nmero de observaciones que se tengan. Si la varian a es calculada a una poblaci!n ("otal de componentes de un con#unto), la ecuaci!n ser$a%

Ecuaci!n &'( )onde ( ) representa la varian a, (*i) representa cada uno de los valores, ( ) representa la media poblacional y (+) es el nmero de observaciones ! tama,o de la poblaci!n. En el caso que estemos traba#ando con una muestra la ecuaci!n que se debe emplear es%

Ecuaci!n &')onde (S.) representa la varian a, (*i) representa cada uno de los valores, ( ) representa la media de la muestra y (n) es el nmero de observaciones ! tama,o de la muestra. Si nos fi#amos en la ecuaci!n, notaremos que se le resta uno al tama,o de la muestra; esto se hace con el ob#etivo de aplicar una peque,a medida de correcci!n a la varian a, intentando hacerla m/s representativa para la poblaci!n. Es necesario resaltar que la varian a nos da como resultado el promedio de la desviaci!n, pero este valor se encuentra elevado al cuadrado.

2. Desviacin estndar o Tpica

Esta medida nos permite determinar el promedio aritm0tico de fluctuaci!n de los datos respecto a su punto central o media. 1a desviaci!n est/ndar nos da como resultado un valor num0rico que representa el promedio de diferencia que hay entre los datos y la media. 2ara calcular la desviaci!n est/ndar basta con hallar la ra$ cuadrada de la varian a, por lo tanto su ecuaci!n ser$a%

Ecuaci!n &'3

2ara comprender el concepto de las medidas de distribuci!n vamos a suponer que el gerente de una empresa de alimentos desea saber que tanto var$an los pesos de los empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al a ar cinco unidades de ellos para pesarlos. 1os productos tienen los siguientes pesos (456, &66, &76, &7& y &.6) gramos respectivamente. 2or lo que su media es%

1a varian a ser$a%

2or lo tanto la desviaci!n est/ndar ser$a%

Con lo que concluir$amos que el peso promedio de los empaques es de &6- gramos, con una tendencia a variar por deba#o o por encima de dicho peso en 7. gramos. Esta informaci!n le permite al gerente determinar cuanto es el promedio de perdidas causado por el e8ceso de peso en los empaques y le da las bases para tomar los correctivos necesarios en el proceso de empacado.

Medidas de Distibucin - Asimetra y Curtosis

1as medidas de distribuci!n nos permiten identificar la forma en que se separan o aglomeran los valores de acuerdo a su representaci!n gr/fica. Estas medidas describen la manera como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen dentro de la informaci!n. Su utilidad radica en la posibilidad de identificar las caracter$sticas de la distribuci!n sin necesidad de generar el gr/fico. Sus principales medidas son la Asimetra y la Curtosis.

7. 9S:;E"<=9 Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (;edia aritm0tica). 1a asimetr$a presenta tres estados diferentes >?ig.&'7@, cada uno de los cuales define de forma concisa como est/n distribuidos los datos respecto al e#e de asimetr$a. Se dice que la asimetra es positiva cuando la mayor$a de los datos se encuentran por encima del valor de la media aritm0tica, la curva es Simtrica cuando se distribuyen apro8imadamente la misma cantidad de valores en ambos lados de la media y se conoce como asimetra negativa cuando la mayor cantidad de datos se aglomeran en los valores menores que la media.

?igura &'7

El Coeficiente de asimetra, se representa mediante la ecuaci!n matem/tica,

Ecuaci!n &'5 )onde (g7) representa el coeficiente de asimetr$a de ?isher, (*i) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. 1os resultados de esta ecuaci!n se interpretan%

(g7 A 6)% Se acepta que la distribuci!n es Sim0trica, es decir, e8iste apro8imadamente la misma cantidad de valores a los dos lados de la media. Este valor es dif$cil de conseguir por lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos (B 6.&).

(g1 > 0): La curva es asimtricamente positiva por lo que los valores se tienden a reunir ms en la parte izquierda que en la derecha de la media. (g1 < 0): La curva es asimtricamente negativa por lo que los valores se tienden a reunir ms en la parte derecha de la media.

)esde luego entre mayor sea el nmero (2ositivo o +egativo), mayor ser/ la distancia que separa la aglomeraci!n de los valores con respecto a la media.

2. CURTOSIS
Esta medida determina el grado de concentraci!n que presentan los valores en la regi!n central de la distribuci!n. 2or medio del Coeficiente de Curtosis, podemos identificar si e8iste una gran concentraci!n de valores (Leptocrtica), una concentraci!n normal (Mesocrtica) ! una ba#a concentraci!n (Platicrtica).

?igura &'.

2ara calcular el coeficiente de Curtosis se utili a la ecuaci!n%

Ecuacion &'76

)onde (g.) representa el coeficiente de Curtosis, (*i) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. 1os resultados de esta f!rmula se interpretan%

(g ! 0) la distribucin es Mesocrtica: "l igual que en la asimetr#a es $astante di%#cil encontrar un coe%iciente de &urtosis de cero (0)' por lo que se suelen aceptar los valores cercanos (( 0.) apro*.). (g > 0) la distribucin es Leptocrtica (g < 0) la distribucin es Platicrtica

Cuando la distribuci!n de los datos cuenta con un coeficiente de asimetr$a (g7 A B6.&) y un coeficiente de Curtosis de (g. A B6.&), se le denomina Curva +ormal. Este criterio es de suma importancia ya que para la mayor$a de los procedimientos de la estad$stica de inferencia se requiere que los datos se distribuyan normalmente.

1a principal venta#a de la distribuci!n normal radica en el supuesto que el 5&C de los valores se encuentra dentro de una distancia de dos desviaciones est/ndar de la media aritm0tica (?ig.&'D); es decir, si tomamos la media y le sumamos dos veces la desviaci!n y despu0s le restamos a la media dos desviaciones, el 5&C de los casos se encontrar$a dentro del rango que compongan estos valores.

?igura &'D

)esde luego, los conceptos vistos hasta aqu$, son s!lo una peque,a introducci!n a las principales medidas de Estad$stica )escriptiva; es de gran importancia que los lectores

profundicen en estos temas ya que la principal dificultad del paquete S2SS radica en el desconocimiento de los conceptos estad$sticos.