Académique Documents
Professionnel Documents
Culture Documents
Las medidas de dispersin determinan cun cercanos o lejanos estn los datos de un valor
central, respecto a la media aritmtica. Tambin indican el grado de variabilidad de los datos.
En estas pginas estudiaremos algunas de ellas:
rango, desviacin con respecto a la media y la desviacin estndar o tpica.
Ejemplo:
El colegio otorgar una beca de matrcula para la universidad, al alumno cuyo buen
rendimiento se haya mantenido por mayor tiempo, en el ltimo trimestre de 4 medio. Para
calcular el mejor promedio solo consideraron algunas asignaturas. Los mejores alumnos de la
promocin fueron Pablo y Soledad. La media aritmtica (promedio) de cada uno es 6,3. Si
solo uno debe ser elegido quin ganar la beca?
Las calificaciones son las siguientes:
Las calificaciones de Pablo se encuentran ms cercanas a la media aritmtica, que las notas
de Soledad. Es decir, las calificaciones de Soledad se encuentran ms dispersas.
Es suficiente este argumento para optar por Pablo, como un alumno que ha mantenido su
buen rendimiento?
Las medidas de dispersin nos permitirn realizar un anlisis ms certero.
RANGO
Anteriormente utilizamos el rango para determinar el tamao de cada intervalo en una
tabla de frecuencias. Simbolizaremos el rango por la letra R. Aunque no es una medida muy
significativa, este nos indica cun dispersos se encuentran los datos entre los valores de los
extremos.
Como el valor del rango de las notas de Pablo es menor que el de Soledad, podemos decir que
sus calificaciones son menos dispersas. Por lo tanto, sera el ms apto para ganar el premio
por mantener un buen rendimiento.
DESVIACIN MEDIA
xk x
xk x
k 1
4
k 1
DM
xk x
k 1
(xk x) 2
k 1
0,52
0,36
4
2,54
0,79
4
Observamos que el valor de la desviacin estndar de las notas de Pablo es menor que
la de Soledad, entonces, podemos decir que las calificaciones de Pablo estn ms cercanas a
la media, y son menos dispersas. Por lo tanto, el ms indicado para ganarse la beca que otorga
el colegio es Pablo, ya que sus calificaciones cumplen con haber mantenido un buen
rendimiento.
Mientras menor sea el valor de la desviacin estndar, el grupo de observaciones es
mas homogneo que si el valor de la desviacin estndar fuera ms grande. O sea, a menor
dispersin mayor homogeneidad y a mayor dispersin, menor homogeneidad.
DESVIACIONES PARA DATOS AGRUPADOS
Recordemos que los datos agrupados pertenecientes a una clase se consideran iguales a la
respectiva marca de clase.
UnidadPara datos agrupados, el clculo de ambos tipos de desviaciones se puede aplicar al
mtodo abreviado, tal como se obtuvo en la media aritmtica:
n
Desviacin media:
DM
f xk x
k 1
Desviacin estndar:
f (xk x) 2
k 1
APLICACIN:
1)
mnima es 3,2. sin embargo, los alumnos tienen la sensacin de mejores resultados en un
trimestre que en otro.
y x - s?
En una misma prueba de Matemtica dos cursos A y B, obtuvieron resultados cuyos datos
estadsticos son los siguientes: