3.4.

Rango, varianza y desviacin estndar

3.4.1. Rango

Tambin conocido con el nombre de amplitud o recorrido, el rango se define como la diferencia que
existe entre el valor mximo y el valor mnimo de un conjunto de datos. Es la medida de dispersin ms
fcil de calcular, y es especialmente til en aquellas situaciones en que el objetivo de la investigacin
slo consiste en averiguar el alcance de las variaciones extremas.
Por ejemplo, el desempeo del precio de las acciones en el mercado burstil se suele reconocer por
los rangos, al citar los precios mximos y mnimos de cada sesin. Es decir, la variacin en el precio de una
accin puede medirse obteniendo el rango existente entre los dos valores ms extremos y as interpretar
qu tanta volatilidad manifest la accin en una jornada o periodo. Si se comparan dos acciones, se
puede interpretar que la accin que tiene mayor variacin es aquella que tiene mayor rango.

Ejemplo 20
Una compaa de seguros desea conocer la variacin que existe en las ventas de sus ocho vendedores
y de esa manera determinar la productividad de cada uno de ellos. Calcula el rango empleando la
siguiente informacin de seguros vendidos durante un mes: 8, 11, 5, 14, 11, 8, 11, 16.
Si se desea hallar el rango de tales observaciones slo hay que identificar el valor mximo (16) y
el valor mnimo (5) y obtener la diferencia entre ellos.
Rango = Valor mximo Valor mnimo = 16 5 = 11
El rango es 11, lo cual quiere decir que la diferencia entre el nmero de seguros vendidos por dos
vendedores distintos, el mejor vendedor y el peor vendedor, es de 11, indicando una gran dispersin
o variabilidad, ya que sera ilgico que si un vendedor logra vender 16 seguros, el otro slo venda 5 si
se trata de los mismos seguros. Lo anterior puede atribuirse a la experiencia, a la capacitacin o a la
cartera de clientes que cada vendedor tiene.

Ejemplo 21
Un analista desea comparar el desempeo de la Bolsa Mexicana de Valores de dos meses:
septiembre y octubre de 2001. Para esto toma su principal indicador, el ndice de Precios y
Cotizaciones (IPC), y obtiene las siguientes grficas.
6 400
6 200

Mximo
6 233.29

6 000
5 800
5 600
5 400
5 200

Mnimo
5 081.92

5 000

Septiembre 2001

Figura 3.6. Bolsa Mexicana de Valores en septiembre de 2001.

Unidad 3. Medidas de tendencia central

139

6 400
6 200
6 000

Mximo
5 808.22

IPC

5 800
5 600
5 400

Mnimo
5 361.8

5 200
5 000
4 800

Octubre 2001

Figura 3.7. Bolsa Mexicana de Valores en octubre de 2001.

Si se desea conocer en cul de los dos meses se present mayor volatilidad en el mercado de
valores encontramos los rangos del IPC en cada uno de ellos:
Rango en septiembre 2001 = 6 233.29 5 081.92 = 1 151.37
Rango en octubre
2001 = 5 808.22 5 361.8 = 446.42
Se puede decir que en el mes de septiembre de 2001, la Bolsa Mexicana de Valores registr
mayor volatilidad que en el mes de octubre, pues su rango de 1 151.37 fue superior al observado
durante el mes de octubre de 446.42.
Este resultado tambin puede apreciarse de manera visual en las figuras 3.6. y 3.7., donde los
rangos se representan por el diferencial existente entre el nivel mximo y el nivel mnimo del IPC.
En el mes de septiembre se observa un rango mucho ms ancho que el del mes de octubre, el cual se
atribuy al nerviosismo generado por los ataques terroristas del da 11 de septiembre en el Pentgono
y en el World Trade Center de Nueva York.

Ventajas y desventajas del rango

La principal ventaja del rango radica en que es la medida de dispersin ms fcil de obtener, pues
nicamente se toman los dos valores extremos y se diferencian entre s. Adems, al medirse la amplitud
entre los dos valores ms extremos en una serie de datos, esta medida de dispersin suele ser muy
til cuando se desea conocer qu tan extremos son los lmites mximos y mnimos de una variable;
por ejemplo, las temperaturas de ciertas ciudades del pas o la ganancia de las casas de cambio que se
obtienen diferenciando los precios de compra y los precios de venta para cada divisa.
Sin embargo, el hecho de que se tomen en cuenta nicamente los dos valores ms extremos
de un conjunto de datos, el rango puede ser una medida de dispersin que resulta afectada ante la
presencia de datos atpicos.

140

Estadstica PARA NEGOCIOS

Ejercicio 6
1.

El rango se define como:

a)
b)
c)
d)

2.

El rango presenta fallas como medida de dispersin cuando:

a)
b)
c)
d)

3.

Es una medida que seala hacia dnde se concentran los datos.

Es la medida de dispersin ms fcil de calcular.
Es la medida de dispersin ms exacta que existe en una serie.
Seala cmo se dispersan los datos de la media.

Si tenemos los siguientes datos: 0, 1, 1, 3, y 5, entonces el rango es:

a)
b)
c)
d)

5.

Se tiene la presencia de medias desproporcionadas.

Se realiza un muestreo aleatorio.
Los datos emanan de una muestra y no de una poblacin.
Se tiene la presencia de datos atpicos.

Es una de las ventajas de utilizar el rango:

a)
b)
c)
d)

4.

La amplitud entre el valor ms grande y el valor ms pequeo de la serie de datos.

La suma del valor ms grande y el valor ms pequeo de la serie de datos.
La diferencia entre los valores extremos y el valor central de la serie de datos.
La diferencia entre los valores centrales de la serie de datos.

5
4
2
6

El departamento de crdito y cobranza de una empresa quiere conocer la variacin que existe
en una muestra de 15 datos, correspondientes a los prximos cobros (en pesos) que debe hacer.
Calcula el rango para los datos siguientes:

10 000
9 000
13 200

Unidad 3. Medidas de tendencia central

12 000
13 500
12 600

15 000
12 700
14 000

16 000
9 700
18 700

15 000
18 000
16 500

141

3.4.2. Varianza

Es una medida de variabilidad que toma en cuenta la dispersin que los valores de los datos
tienen respecto a su media. Es decir, aquellos conjuntos de datos que tengan valores ms
alejados de la media, sea muestral o poblacional, tendrn una mayor varianza. Su resultado se
expresa en unidades al cuadrado.
Existen dos smbolos para representar la varianza ( 2 y S2). La S2 se refiere a un estadstico, es
decir, a la varianza de una muestra; mientras que 2 se refiere a un parmetro, es decir, a la varianza
de una poblacin. A la S2se le conoce como la varianza muestral mientras que a 2 se le conoce como
la varianza poblacional.
La manera de obtener la varianza de un conjunto de datos depende de la forma como se
encuentren organizados los datos, ya sea que estn agrupados o no agrupados, as como del tipo de
informacin con la que se trabaje, ya sea que provenga de una muestra o de una poblacin.

a) La varianza para datos no agrupados

Cuando tenemos una variable cuya serie de datos no se encuentra agrupada, X1, X 2 , X 3,, X n , la
varianza poblacional se calcula mediante la siguiente frmula:
V (X) = 2 =

( X - )2
N

Donde:
S(X i )2= Suma de los cuadrados de las desviaciones del valor de cada dato de la serie
respecto a la media poblacional.

Xi = El valor de cada dato de la serie.

= La media poblacional.

N = Tamao de la poblacin.
Es decir, la varianza de una poblacin para datos no agrupados es el promedio del cuadrado de
las desviaciones respecto a su media .
Cuando tenemos una variable cuya serie de datos no se encuentra agrupada, X1, X2, X3,, Xn, la
varianza muestral se calcula mediante la siguiente frmula:
S2 =

( X - X )2
n -1

Donde:
(X i - X)2 = Suma de los cuadrados de las desviaciones del valor de cada dato de la serie

respecto a la media muestral.

Xi = El valor de cada dato de la serie.
X = La media muestral.
N = Tamao de la muestra.

A diferencia de lo que ocurre con otras frmulas, la varianza de una muestra no equivale
exactamente, en trminos de clculo, a la varianza de una poblacin. El denominador de la frmula
de la varianza poblacional es el total de la poblacin N, mientras que en la varianza muestral se
incluye un factor de correccin n 1.

142

Estadstica PARA NEGOCIOS

Los pasos para obtener la varianza muestral o poblacional para datos no agrupados son los siguientes:
1. Encuentra la media muestral o poblacional, segn sea el caso.
2. Obtn cada una de las desviaciones respecto a la media, es decir, a cada uno de los
datos X1, X 2 ,..., X n se le resta la media obtenida en el paso anterior para quedar los
siguientes valores:
(X1 ), (X2 ),..., (Xn )
(X1 X ), (X2 X ),..., (Xn X )

en caso de una poblacin.

en caso de una muestra.

3. Eleva al cuadrado cada una de las desviaciones obtenidas en el paso anterior y sma las
entre s, para obtener la suma del cuadrado de las desviaciones:
(X )2 = (X1 )2 + (X2 )2 ++ (Xn )2 en caso de una poblacin.
(X X )2 = (X1 X )2 + (X2 X )2 +...+ (Xn X )2
en caso de una muestra.
4. La suma del cuadrado de las desviaciones respecto a su media se divide entre N, en caso de
una poblacin; o entre n 1, en caso de una muestra.
Tanto para una poblacin como para una muestra, la frmula de la varianza puede ser transformada
en las siguientes expresiones, las cuales son conocidas como el mtodo corto de la varianza:
Varianza poblacional

V(X) = 2 =

Varianza muestral

S2 =

X 2i
- 2
N

X 2i - n X
n -1

Estas frmulas tienen la ventaja de simplificar las operaciones que se deben realizar cuando
se calcula la varianza, sea poblacional o muestral. Cabe sealar que las frmulas establecidas por el
mtodo corto nos conducen al mismo resultado que si se hubieran empleado las frmulas anteriores,
siempre y cuando no se hayan omitido algunos dgitos en las distintas operaciones. La conveniencia
de utilizar una u otra frmula queda sujeta a la libre eleccin del lector, segn la comodidad que le
produzca cada una de ellas para realizar las operaciones.

Ejemplo 22
Emplea los datos de las ventas de seguros del ejemplo 20 y calcula la varianza, suponiendo que los
datos constituyen la poblacin total de los agentes de seguro de la compaa.
Se tiene que la media es:

X (8 + 11 + 5 + 14 + 11 + 8 + 11 + 16 ) 84
=
=
= 10.5
N
8
8

Unidad 3. Medidas de tendencia central

143

Para calcular la varianza se requiere obtener cada una de las diferencias o desviaciones de los
datos respecto a la media (X ), elevarlas al cuadrado (X )2 y sumar estos resultados:
(X )

X
8
11
5
14
11
8
11
16

(X )2
6.25
0.25
30.25
12.25
0.25
6.25
0.25
30.25
86

2.5
0.5
5.5
3.5
0.5
2.5
0.5
5.5
0

Tabla 3.20. Desviaciones de la venta de seguros.

Ahora aplicamos la frmula de varianza poblacional para datos no agrupados y obtenemos:
V(X) = 2 =

( X i - )2 86
=
= 10.75
N
8

Puede apreciarse que la varianza es de 10.75. Sin embargo, esta medida de variacin no tiene
un significado prctico debido a que el resultado obtenido est expresado en trminos cuadrados, es
decir, la variabilidad de seguros vendidos es de 10.75 seguros cuadrados.
Por esa razn, la varianza slo tiene sentido lgico cuando comparamos diferentes conjuntos de
datos con la misma unidad de medida, es decir, su interpretacin es una medida relativa en el sentido
de que aquel conjunto que tenga la mayor varianza ser el de mayor grado de dispersin.
Por otra parte, si el lector hubiera optado por el mtodo corto para estimar la varianza
poblacional, el resultado hubiera sido el mismo. Para ello debemos estimar Xi2 y 2:
Xi2 = 82 + 112 + 52 + 142 + 112 + 82 + 112 + 162

= 64 + 121 + 25 + 196 + 121 + 64 + 121 +256 = 968

2 = 10.52 = 110.25
V(X) = 2 =

X 2i
968
= 2 =
= -110.25 = 121 - 110.25 = 10.75
N
8

Si se compara este resultado mediante el mtodo corto con el primer mtodo, se puede apreciar
que los resultados no fueron distintos.

Ejemplo 23
En las tablas 3.21 y 3.22 se exponen las cotizaciones mensuales del tipo de cambio entre el peso
mexicano y el dlar estadounidense para los aos de 1995 y 2000. Observa cuidadosamente la
informacin contenida en cada tabla.
a) Realizando una inspeccin visual, en cul de los dos aos se observa una mayor estabilidad
en el tipo de cambio?

144

Estadstica PARA NEGOCIOS

b) Encuentra la varianza para el tipo de cambio entre el peso y el dlar estadounidense en

cada uno de los dos aos.
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Tipo de cambio en 1995

5.69
5.83
6.81
5.78
6.17
6.30
6.08
6.31
6.41
7.17
7.65
7.64

Fuente: Banco de Mxico: www.banxico.org.mx

Tabla 3.21. Tipo de cambio mensual

peso-dlar en el ao 1995.

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Tipo de cambio en el 2000

9.47
9.44
9.29
9.37
9.50
9.79
9.46
9.28
9.33
9.51
9.51
9.44

Fuente: Banco de Mxico: www.banxico.org.mx

Tabla 3.22. Tipo de cambio mensual

peso-dlar en el ao 2000

Se observa que los valores del tipo de cambio en el ao de 1995 se encuentran muy dispersos
entre s, lo que indica una gran variabilidad o inestabilidad en el mercado cambiario. En contraste,
en el ao 2000 se puede observar que los valores de la divisa estadounidense se encuentran poco
dispersos por lo que se esperara que la varianza en este ao sea menor a la de 1995.
Como los datos no se encuentran organizados mediante tablas de frecuencias, procedemos a encontrar
la varianza muestral para datos no agrupados, obteniendo en primer lugar sus medias respectivas:
La media de 1995 es: X =

X ( 5.69 + 5.83 + 6.81 + ... + 7.67) 77.84

=
=
= 6.48
N
12
12

La media de 2000 es: X =

X ( 9.47 + 9.44 + 9.29 + ... + 9.44 ) 113.39

=
=
= 9.44
N
12
12

Procedemos a encontrar la suma del cuadrado de las desviaciones del tipo de cambio respecto a
la media, de acuerdo con las siguientes tablas:
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Suma

(X X )
0.79
0.65
0.33
0.70
0.31
0.18
0.40
0.17
0.07
0.69
1.17
1.16

(X X )2
0.6241
0.4225
0.1089
0.49
0.0961
0.0324
0.16
0.0289
0.0049
0.4761
1.3689
1.3456
5.1584

Tabla 3.23. Desviaciones del tipo

de cambio en el ao 1995.

Unidad 3. Medidas de tendencia central

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Suma

(X X )
0.03
0
0.15
0.07
0.06
0.35
0.02
0.16
0.11
0.07
0.07
0

(X X )2
0.0009
0
0.0225
0.0049
0.0036
0.1225
0.0004
0.0256
0.0121
0.0049
0.0049
0
0.2023

Tabla 3.24. Desviaciones del tipo

de cambio en el en el ao 2000.
145

De los resultados obtenidos en las tablas 3.23. y 3.24., se divide la suma del cuadrado de las
desviaciones entre n 1 y as se obtiene la varianza muestral del tipo de cambio para los aos de
1995 y 2000.
Para el ao de 1995

S2 =

( X i - X )2 5.1584
=
= 0.4689
n -1
11

Para el ao 2000

S2 =

( X i - X )2 0.2023
=
= 0.0183
n -1
11

pesos al cuadrado

pesos al cuadrado

Si bien los pesos al cuadrado continan siendo una idea abstracta, ambas varianzas tienen sentido
lgico cuando son comparadas entre s, pues se encuentran expresadas en la misma unidad de medida. En
este caso, el tipo de cambio en el ao de 1995 tiene una mayor dispersin que el observado en el ao 2000,
tal como lo sealan ambas varianzas y tal como lo apreciamos de manera visual en el inciso anterior.
Este contraste se debe a la diferencia en los escenarios macroeconmicos que se vivieron durante
esos aos. Al ser mayor la varianza del ao 1995, se refleja una gran volatilidad y nerviosismo en el
mercado cambiario producido por una fuerte crisis econmica que se viva en ese ao. En el ao 2000
podemos observar que el peso mexicano goz de una gran fortaleza, pues su cotizacin se mantuvo
muy estable en el transcurso de los 12 meses, incluso en el mes de junio, cuando se presentaba la recta
final de un proceso electoral en el pas.

b) La varianza para datos agrupados

En el caso de datos agrupados, para encontrar la varianza es necesario conocer el punto medio de cada
clase. El mtodo se basa en la suposicin de que el punto medio de cada clase es aproximadamente
igual a la media aritmtica de las medidas contenidas en un intervalo. El punto medio de la clase j se
denota por mj.

i)

La varianza poblacional para datos agrupados se define como:

2 =

[( mj - )2 f j ]
N

Donde:
2 = Varianza de la poblacin.
mj = Punto medio de clase.
= Media de la poblacin.
N = Tamao de la poblacin.
f = Frecuencia de la clase.

ii)

La frmula para calcular la varianza muestral es:

S2 =

[( m j - X )2 f j ]
n -1

Donde:
S2 = Varianza de la muestra.
mj = Punto medio de clase.

146

Estadstica PARA NEGOCIOS

X = Media de la muestra.
n = Tamao de la muestra.
f = Frecuencia de la clase.

Para obtener la varianza para datos agrupados, sea muestral o poblacional, se tienen que realizar
los siguientes pasos:
1. Se obtiene la media muestral o poblacional para datos agrupados, segn corresponda. Por
ejemplo, si se pretende obtener la varianza muestral, entonces procedemos a encontrar la
media a travs de la siguiente frmula:

X=

mj f
f

2. Se encuentran los puntos medios para cada una de las clases m1,m2,...,mn y a cada uno se
resta la media muestral o poblacional segn corresponda. Por ejemplo, para el caso de la
varianza muestral se encontraran las siguientes desviaciones:

( m1 - X ), ( m2 - X ),..., ( m n - X )

3. Se eleva al cuadrado cada una de las desviaciones de los puntos medios de clases respecto
a la media. Por ejemplo, en caso de una poblacin:

( X1 - )2 , ( X 2 - )2 ,..., ( X n - )2

4. Cada uno de los cuadrados se multiplica por su respectiva frecuencia de clase. Por ejemplo,
en el caso de una poblacin:

( X1 - )2 f1 , ( X 2 - )2 f2 ,..., ( X n - )2 fn

5. Se suma cada uno de estos resultados y se divide, en el caso de la varianza poblacional, entre
el nmero total de datos de la poblacin (N), y en el caso de una muestra entre el n 1.

Ejemplo 24
Una gran empresa de ventas por telfono quiere conocer la variacin existente en las ventas realizadas
(en miles de pesos) por sus operadores. Para esto realiza una muestra de 25 operadores telefnicos,
obteniendo los resultados de la siguiente tabla. Calcula la varianza muestral.
Ventas (miles $)
5.00 8.99
9.00 12.99
13.00 16.99
17.00 20.99
21.00 24.99
25.00 28.99

f
3
5
7
6
3
1
25

Tabla 3.25 Distribucin de las ventas por telfono.

Unidad 3. Medidas de tendencia central

147

Las clases denotan las ventas realizadas en miles de pesos y la frecuencia del nmero de
operadores telefnicos.
Ventas (miles de $)

mj

(mj f)

(mj X )

(mj X )2

[(mj X )2] f

5.00 8.99
9.00 12.99
13.00 16.99
17.00 20.99
21.00 24.99
25.00 28.99

3
5
7
6
3
1
25

6.995
10.995
14.995
18.995
22.995
26.995

20.985
54.975
104.965
113.97
68.985
26.995
390.875

8.64
4.64
0.64
3.36
7.36
11.36

74.6496
21.5296
0.4096
11.2896
54.1696
129.0496

223.9488
107.648
2.8672
67.7376
162.5088
129.0496
693.76

Tabla 3.26 Distribucin de las ventas por telfono.

Para obtener la varianza, en primer lugar se debe calcular la media muestral para datos agrupados,
encontrando el punto medio de clase, multiplicarlo por su frecuencia de la clase correspondiente, y
sus resultados se suman para obtener la media, tal y como se muestra a continuacin:
X=

m j f
n

390.875
=15.635
25

Se obtiene la varianza restndole a cada punto medio de clase la media muestral, elevando cada
una de estas diferencias al cuadrado y multiplicando cada diferencia cuadrtica por la frecuencia
respectiva de clase de la manera siguiente:
S2 =

[( mj - X )2 f j ]
n -1

693.76 693.76
=
= 28.90666667 pesos al cuadrado
(25 - 1)
24

La varianza obtenida seala que la dispersin existente entre las ventas entre
(n 1) es de 28.90666667 miles de pesos al cuadrado.

Ventajas y desventajas de la varianza

La varianza mide la variabilidad tomando en cuenta la dispersin que los valores de los datos
tienen respecto a su media. Es decir, aquellos conjuntos que tengan valores ms alejados de
la media, sea muestral o poblacional, tendrn una mayor varianza, mientras que aquellos
conjuntos con valores ms cercanos a la media mostrarn una mayor uniformidad al contar
con una varianza menor.
La varianza nicamente adquiere valores mayores o iguales a cero, nunca valores negativos, y
se utiliza para comparar la dispersin de dos o ms conjuntos de datos que se encuentren expresados
en la misma unidad de medida; por ejemplo, para observar la variacin existente entre dos lneas de
produccin, la tasa de inters de dos instrumentos financieros, las ventas de productos expresados en
la misma moneda, etctera.
La principal desventaja de la varianza es que su resultado se expresa en unidades al cuadrado,
resultando darle una interpretacin lgica. Adems, la varianza no puede comparar la dispersin de
dos conjuntos de datos expresados en diferentes unidades de medida; por ejemplo, chamarras con
coches, diferentes divisas, el IPC de la Bolsa Mexicana de Valores con el ndice Dow Jones de la Bolsa
de Nueva York, etctera.

148

Estadstica PARA NEGOCIOS

Ejercicio 7
1.

Grandes varianzas implican:

a)
b)
c)
d)
2.

Uno de los inconvenientes de utilizar la varianza como medida de dispersin es que:

a)
b)
c)
d)

3.

Cualquier valor.
Un valor mayor o igual a cero.
Un valor igual a cero.
Tanto valores positivos como negativos, excepto el cero.

Una serie compuesta con los siguientes datos: 0, 1, 1, 3 y 5, su varianza ser:

a)
b)
c)
d)

5.

La varianza muestral es sesgada y la poblacional no.

La varianza se ve afectada por el tipo de dato que estamos utilizando.
Las varianzas poblacionales y muestrales son distintas.
Los resultados se expresan en unidades al cuadrado.

Si tenemos cinco datos cuyos valores son las constantes: 2, 2, 2, 2 y 2; entonces la varianza es:
a)
b)
c)
d)

4.

Que los datos no varan.

Que hay gran variacin en los datos.
Que hay poca variacin en los datos.
Que las medias son desproporcionadas.

2
4
0
1

Con los siguientes datos de crdito y cobranza, calcula la varianza para datos no agrupados, con
el fin de determinar la variabilidad de los datos de los prximos cobros (en pesos).
1 0 000
9 000
13 200

6.

12 000
13 500
12 600

15 000
12 700
14 000

16 000
9 700
18 700

15 000
18 000
16 500

Un despacho de consultora en cuestiones de mercado hace una encuesta de los ingresos anuales
(en miles de pesos) de 300 familias para clasificarlas por nivel de ingreso y con esto establecer
qu artculos son susceptibles de promocionarse y posicionar en el mercado, considerando las
variaciones existentes. Con la informacin siguiente calcula la varianza:
Ingreso (miles de $)
1.50 2.999
3.00 4.999
5.00 6.999
7.00 8.999
9.00 10.999
11.00 12.999
13.00 14.999
15.00 16.999

f
25
31
42
45
52
42
35
28
300

Distribucin de salarios.
Unidad 3. Medidas de tendencia central

149

3.4.3. Desviacin estndar

Al igual que la varianza, la desviacin estndar es una medida de variabilidad que tambin toma en
cuenta la dispersin de los valores de los datos respecto a su media. Sin embargo, su significado es ms
valioso que el de la varianza, pues su resultado se encuentra expresado en las mismas unidades de la
variable que se examina y no en valores elevados al cuadrado como lo hace la varianza.
La desviacin estndar se representa mediante la letra griega para el caso de una poblacin,
o por S en el caso de una muestra. Se obtiene sacando la raz cuadrada al resultado de la varianza,
no importa si sta se trata de una varianza para datos no agrupados o para datos agrupados, o
provenientes de una muestra o de una poblacin. Al proporcionar sus resultados en unidades no
cuadradas, la desviacin estndar es muy fcil de interpretar y su resultado tiene mayor significado en
el anlisis de un fenmeno.
Las frmulas para la desviacin estndar para datos no agrupados son:
=

( X - )2

N

S=

( X - X )2
n -1

Cuando se trabaja con datos agrupados, la desviacin estndar tambin se calcula sacando la raz
cuadrada, pero empleando las frmulas respectivas de la varianza para datos agrupados:
=

[( mj - )2 f j ]
N

S =

[( mj - X )2 f j ]
n -1

Tanto en datos no agrupados como en datos agrupados, indica la desviacin estndar para
una poblacin, mientras que la S representa la desviacin estndar para una muestra.

Ejemplo 25
Una casa de bolsa desea realizar un comparativo entre los rendimientos anuales y los riesgos de dos
instrumentos financieros que han estado operando durante los ltimos siete aos. Sus rendimientos
anuales, expresados en porcentajes, son los siguientes:
Instrumento A: 4.0% 14.3% 19.5% 14.7% 26.5%
Instrumento B: 6.5% 4.4% 4.8% 6.9% 8.5%

37.2% 23.8%
5.8%
5.1%

Obtener la media y la desviacin estndar de los rendimientos observados por los dos
instrumentos financieros.
En primer lugar se obtiene el rendimiento promedio por instrumento:
A =

X ( 4 + 14.3 + 19.5 + 14.7 + 26.5 + 37.2 + 23.8) 140

=
=
= 20%
N
7
7

B =

X (6.5 + 4.4 + 4.8 + 6.9 + 8.5 + 5.8 + 5.1) 42

=
=
= 6%
N
7
7

Como puede observarse, el instrumento que presenta el mayor rendimiento promedio es A

con 20%, mientras que el instrumento B tiene un rendimiento promedio de 6%. En ese sentido,
resultara ms atractivo invertir en el fondo A que en el fondo B.
Para medir el riesgo de cada uno de los fondos encontramos sus desviaciones estndar; para esto,
primero se deben obtener las varianzas poblacionales y posteriormente se les saca la raz cuadrada:
150

Estadstica PARA NEGOCIOS

Accin A
(X )2A = (4 20)2 + (14.3 20)2 ++(23.8 20)2 = 669.36
V(X)A = 2 =

( X - )2 669.36
=
= 95.62285714
N
7

( X - )2
= 95.62285714 = 9.778694041
N

A =

Accin B
(X )2B = (6.5 6)2 + (4.4 6)2 + + (5.1 6)2 = 12.16
V ( X )B = 2 =

( X - )2 12.16
=
= 1.737142857
N
7

( X - )2
= 1.737142857 = 1.318007154
N

B =

Puede observarse que el instrumento A tiene una variabilidad de 9.778694041%, mientras

que el instrumento B t uvo una variabilidad de 1.318007154%. Esto indica que los rendimientos
del instrumento A tienen una mayor dispersin que los rendimientos del instrumento B.
En el contexto de este ejemplo puede pensarse en la desviacin estndar como una medida de
la incertidumbre o riesgo de la rentabilidad de una inversin. Es decir, la rentabilidad promedio fue
mayor para el instrumento A, pero su riesgo en trminos de la desviacin estndar de la rentabilidad
tambin fue mayor.
Por otra parte, para obtener la desviacin estndar cuando se trabaja con datos agrupados se
utiliza la misma metodologa que en el caso de los datos no agrupados. En primer lugar se encuentra
la varianza a travs de su respectiva frmula y posteriormente se le saca la raz cuadrada.

Ejemplo 26
Con los datos del ejemplo 5 calcula la desviacin estndar.
S=

( m j - X )2 f j
n -1

693.76
= 28.90666667 = 5.376492041
24

Con este resultado se deduce que la variacin promedio que existe en las ventas realizadas por
telfono es de 5.38 miles de pesos. Esto puede ayudar a la empresa a analizar las ventas que realizan
los operadores de una manera ms sencilla que utilizando ventas al cuadrado.

Ventajas y desventajas de la desviacin estndar

La principal ventaja de la desviacin estndar es que indica la manera en que se dispersan los datos
respecto a la media en las mismas unidades de la variable que se examina y no en valores elevados
al cuadrado. Al igual que la varianza, la desviacin estndar nicamente adquiere valores mayores o
iguales a cero, nunca valores negativos.

Unidad 3. Medidas de tendencia central

151

Es utilizada para comparar la dispersin entre distintos conjuntos de datos. Aquellos conjuntos
que tengan valores ms alejados de la media tendrn una mayor desviacin estndar, mientras que
aquellos conjuntos con valores ms cercanos a la media mostrarn una menor desviacin estndar.
Al igual que la varianza, una desventaja de la desviacin estndar es que tampoco puede comparar
la dispersin de dos conjuntos de datos que se expresan en diferentes unidades de medida.

152

Estadstica PARA NEGOCIOS

Ejercicio 8
1. Con los datos de crdito y cobranza que se presentan a continuacin, calcula la desviacin
estndar de los prximos cobros.
10 000
9 000
13 200

12 000
13 500
12 600

15 000
12 700
14 000

16 000
9 700
18 700

15 000
18 000
16 500

2. Con los siguientes datos de los ingresos anuales (en miles de pesos) de 300 familias, calcula
la desviacin estndar.
Ingreso (miles de $)
1.50 2.999
3.00 4.999
5.00 6.999
7.00 8.999
9.00 10.999
11.00 12.999
13.00 14.999
15.00 16.999

f
25
31
42
45
52
42
35
28
300

Distribucin de salarios.

Unidad 3. Medidas de tendencia central

153

3.6. Coeficiente de variacin

Es una medida de dispersin que seala qu tan grande es la magnitud de la desviacin estndar
respecto a la media del conjunto de datos que se examina. A diferencia de otras medidas de variabilidad,
el coeficiente de variacin mide la dispersin en trminos de porcentaje y no en unidades de medida.
De esta manera, este coeficiente se utiliza para comparar la dispersin entre dos conjuntos de datos
expresados en diferentes unidades de medidas.
Por ejemplo, si los analistas de un despacho de bienes races estn interesados en determinar si
el valor de un avalo tiene mayor variabilidad que el tamao del lote, resultara imposible comparar
en forma directa la dispersin mediante el rango, la varianza o la desviacin estndar, pues el valor
del avalo se mide en unidades monetarias, por ejemplo en miles de pesos, mientras que el
tamao del lote se mide en metros cuadrados. En este caso, los analistas pueden utilizar el coeficiente
de variacin, expresado en porcentajes, y as comparar la dispersin de dos variables expresadas en
distintas unidades de medida.
El coeficiente de variacin se representa mediante la expresin CV y se obtiene dividiendo
la desviacin estndar entre la media, multiplicando este resultado por 100, no importando
si se trata de datos no agrupados o de datos agrupados, o que provengan de una muestra o de
una poblacin.
El coeficiente de variacin se puede calcular mediante la frmula siguiente:
S
CV = 100%
X

En caso de una muestra

CV = 100% En caso de una poblacin

Donde:
CV = Coeficiente de variacin.
S = Desviacin estndar de la muestra.
X = Media de los datos.
= Desviacin estndar de la poblacin.
= Media poblacional.

Ejemplo 31
Con los datos del ejemplo 25, calcula el coeficiente de variacin con el fin de hacer una comparacin
de los rendimientos de las acciones:
SA
9.778694041
CVA =
100 = ( 0.488934702) (1100 ) = 48.8934702%
100% =
20

A
SB
1.318007154
CVB = 100% =
100 = ( 0.219667859) (100 ) = 21.9667859%

B
6

La accin que presenta la menor variabilidad es la B, que como ya se haba mencionado es

la que presenta un menor rendimiento promedio y una menor desviacin estndar (menor riesgo),
con lo que se concluye que la accin ms conveniente para invertir sin incurrir en un gran riesgo
es la accin B.

164

Estadstica PARA NEGOCIOS

Ejemplo 32
Los analistas de un centro financiero desean comparar el desempeo del tipo de cambio y el porcentaje
de la participacin extranjera en el mercado accionario de la Bolsa Mexicana de Valores durante el
ao 2000. Para esto se calcula el coeficiente de variacin para cada uno de los mercados.
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Tipo de cambio en el
2000
9.47
9.44
9.29
9.37
9.50
9.79
9.46
9.28
9.33
9.51
9.51
9.44

Fuente: Banco de Mxico: www.banxico.org.mx

Tabla 3.28. Tipo de cambio mensual

peso-dlar en el ao 2000.

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Inversin extranjera
en el 2000
44.01
46.58
44.78
47.25
45.07
46.69
44.07
44.96
44.72
44.62
43.03
41.31

Fuente: Banco de Mxico: www.banxico.org.mx

Tabla 3.29. Participacin extranjera

en la bolsa en el ao 2000.

Las variables que se desean comparar vienen expresadas en diferentes unidades de medida; el tipo
de cambio se expresa en pesos mientras que la inversin extranjera se representa en proporciones. Por tal
razn, se calculan los coeficientes de variacin para cada una de las variables y as se compara la variabilidad
de ambos mercados. Para ello tomamos las medias y las desviaciones estndar de los ejemplos 4 y 11.
0.1352
S
CVTipo de cambio = 100% =
100 = ( 0.0143) (100 ) = 1.43 %
9.44
X
1.6328
S
CVInv. extranjera = 100% =
100 = ( 0.03364 ) (100 ) = 3.64%
X
44.7575

Los analistas de este centro financiero pueden concluir que el mercado cambiario durante el ao
2000 tuvo mayor estabilidad que la participacin extranjera en el mercado accionario, pues el coeficiente
de variacin del primero fue de 1.43%, mientras que el del segundo fue de 3.64%. De esta forma, los
analistas comparan la variacin de dos mercados que tienen distintas unidades de medicin.

Ventajas y desventajas del coeficiente de variacin

El coeficiente de variacin es til cuando pretende comparar la variabilidad de dos o ms conjuntos de

datos expresados en diferentes unidades de medicin, pues el resultado ser sealado en porcentajes.
La nica desventaja que adolece el coeficiente de variacin es cuando se tienen que comparar
dos conjuntos de datos donde uno tiene una media con valores negativos y el otro tiene una media
positiva. Para el primer conjunto, el coeficiente de variacin ser negativo; mientras que para el segundo,
el coeficiente de variacin ser positivo, haciendo difcil la comparacin entre ambos. Esto puede
solucionarse tomando los valores absolutos del resultado que se obtenga en ambos coeficientes.

Unidad 3. Medidas de tendencia central

165

Ejercicio 10
1.

El coeficiente de variacin es una medida de dispersin que expresa sus resultados como:
a)
b)
c)
d)

2.

El coeficiente de variacin tiene la ventaja de:

a)
b)
c)
d)

3.

La accin A es la de mayor variabilidad y la accin B es la de menor variabilidad.

La accin B es la de mayor variabilidad y la accin A es la de menor variabilidad.
La accin C es la de mayor variabilidad y la accin A es la de menor variabilidad.
La accin B es la de mayor variabilidad y la accin C es la de menor variabilidad.

Una casa de cambio desea conocer la variacin existente entre el valor de dos monedas (pesos/
dlar y pesos/libra ) en las transacciones de 10 das para determinar qu moneda es la que
representa una mayor estabilidad. Con los siguientes datos, calcula el coeficiente de variacin.

166

Comparar conjuntos de datos expresados en diferentes unidades de medicin.

Comparar conjuntos de datos expresados en diferentes unidades cuadradas.
Comparar conjuntos de datos expresados en desviaciones.
Comparar conjuntos de datos expresados en porcentajes.

Si tenemos tres diferentes acciones A, B y C, y el coeficiente de variacin de sus precios son

CVA=13%, CVB =15% y CVC =7%, entonces:
a)
b)
c)
d)

4.

Unidades mtricas.
Desviaciones estndar.
Porcentajes.
Desviaciones respecto a la media.

Dlar 150 125 120 200 250 175 200 250 180 140
Libra 200 275 180 195 280 250 240 200 300 290

Estadstica PARA NEGOCIOS

3.7. ndice de asimetra y kurtosis

Cuando se estudiaron las medidas de tendencia central se analiz la relacin que existe entre la
media, la mediana y la moda, sealando que esta relacin depende de la forma en que se distribuyen
los datos. Se dijo que el posicionamiento de las medidas de tendencia central estaba en funcin del
tipo de sesgo que se observaba en la distribucin de frecuencias.
Por ejemplo, cuando se tiene sesgo positivo o derecho, la media es mayor que la mediana y que la
moda, es decir, la media se encuentra ms a la derecha de la moda, dando as una distribucin con una cola
alargada que se extiende hacia el lado derecho. En el caso contrario, cuando la media es menor que la moda,
la distribucin tiene un sesgo negativo o izquierdo, dando as una distribucin con una cola alargada que
se extiende hacia el lado izquierdo. Tambin se seal que cuando las tres medidas de tendencia central
coinciden con el mismo valor, la distribucin de frecuencias era acampanada y simtrica.
En esta seccin se analizar de manera ms formal la asimetra de una distribucin de frecuencias
a travs del ndice de asimetra. Este aspecto es sumamente importante en el anlisis de datos, pues
dependiendo del tipo y de la magnitud del sesgo que se observe en una distribucin de frecuencias se
conocer con ms detalle la forma en que se dispersan los datos de una serie, detectando con mayor
facilidad la presencia de datos atpicos.
El ndice de asimetra es una medida de dispersin mediante la cual se conozce el tipo y la
magnitud de sesgo en una distribucin de frecuencias. Se representa mediante la expresin 3.
Para el caso de datos no agrupados, las frmulas del ndice de asimetra son:

3 Poblacional

( Xj - )3

=
( )3

3 Muestral

( Xj - X )3

n -1

=
( S)3

Para el caso de datos agrupados, las frmulas del ndice de asimetra son:

3 Poblacional

[( mj - )3 ] f

N
=
( )3

3 Muestral

Donde:
3 = Coeficiente de asimetra.
mj = Punto medio de clase.
= Media poblacional.
X = Media muestral
n = Tamao de la muestra.

f =
=
S =
N =

[( mj - X )3 ] f

n -1

=
( S)3

Frecuencia de clase.
Desviacin estndar de la poblacin.
Desviacin estndar de la muestra.
Tamao de la poblacin.

La interpretacin del ndice de asimetra se define segn el caso que se trate:

1. Si el ndice de asimetra es igual o cercano a cero (3 = 0), la distribucin es simtrica o
insesgada; es decir, si la distribucin es dividida exactamente a la mitad, y la figura de la
primera mitad es idntica a la otra mitad.
2. Si el ndice de asimetra es mayor que cero (3 > 0), la distribucin es asimtricamente
positiva o sesgada hacia la derecha, es decir, si la distribucin es dividida exactamente a la
mitad, se observar que la cola de la figura se extiende hacia la derecha de la distribucin,
mientras que su cima o valor ms alto de la distribucin se ubicar en la parte izquierda.

Unidad 3. Medidas de tendencia central

167

3. Si el ndice de asimetra es menor que cero (3 < 0), la distribucin es asimtrica

negativa o sesgada hacia la izquierda. Es decir, si la distribucin es dividida exactamente
a la mitad, se observar que la cola de la figura se encuentra hacia la izquierda de
la distribucin, mientras que su cima o valor ms alto de la distribucin se ubicar en
la parte derecha.

media = mediana = moda

Figura 3.12. Distribucin simtrica 3 = 0.

Moda
Mediana
Media
Cola

Figura 3.13. Distribucin sesgada a la derecha 3 > 0.

Moda
Mediana
Media

Figura 3.14. Distribucin sesgada a la izquierda 3 < 0.

Ejemplo 33
Calcula el ndice de asimetra para determinar qu tipo de sesgo tiene la siguiente serie de datos
de una poblacin: 1, 1, 2, 2, 2, 3, 3, 4, 5 y 6.
Para obtener el ndice de asimetra, primero debemos encontrar cada uno de los elementos de
su frmula.
Se encuentra la media poblacional:
=

168

X (1 + 1 + 2 + ... + 6 ) 29
=
=
= 2. 9
N
10
10

Estadstica PARA NEGOCIOS

Se encuentra la varianza poblacional:

V(X) = 2 =

( X - )2 24.9
=
= 2.49
N
10

Se encuentra la desviacin estndar:

=

( X - )2
= 1.57
N

Se eleva al cubo la desviacin estndar:

3 = 3.86

Se obtiene la suma del cubo de las desviaciones con respecto a la media:

(X )3 = 24.9
Finalmente, se sustituyen estos resultados en la frmula del ndice de asimetra:
( Xj - )3 24.48

n
= 10 = 2.448 = 0.6341
3 =
3
3.86
3.86
( )

Se obtiene un ndice de asimetra positivo, por lo que se puede decir que la distribucin tiene
un pequeo sesgo positivo o derecho. Si se observa la figura de la distribucin de frecuencias, se
notar que tiene una cola que se alarga hacia el lado derecho de la distribucin:

Moda
Mediana
Media

Figura 3.15. Distribucin asimtrica positiva.

Ejemplo 34
Con la informacin del ejemplo 5, calcula el coeficiente de asimetra para saber hacia qu lado se
carga la cola de la curva de estos datos.
Tiempo de servicio

mj

5.00 8.99
9.00 12.99
13.00 16.99
17.00 20.99
21.00 24.99
25.00 28.99

3
5
7
6
3
1
25

6.995
10.995
14.995
18.995
22.995
26.995

(mj f)
20.985
54.975
104.965
113.97
68.985
26.995
390.875

(mj X )
8.64
4.64
0.64
3.36
7.36
11.36

(mj X )3
644.972544
99.897344
0.262144
37.933056
398.688256
1 466.003456

[(mj X )3] f
1 934.917632
499.48672
1.835008
227.598336
1 196.064768
1 466.003456
453.4272

Tabla 3.30. Distribucin de las ventas por telfono.

Unidad 3. Medidas de tendencia central

169

Los datos obtenidos son:

X=
S2 =

S=

( m j f )
n

390.875
= 15.635
25

( m j - X )2 f
n -1
( m j - X )2 f
n -1

693.76 693.76
=
= 28.90666667
(25 - 1)
24

= 28.90666667 = 5.376492041

El numerador de la frmula empleada para calcular el coeficiente se denota por:

( m j - X )3 f
n -1

453.4272
= 18.8928
24

Con los datos anteriores, el coeficiente de asimetra es:

( m j - X )3

n -1
3 =
( S)3

18.8928
18.8928
=
= 0.121562411
3
155.4164633
( 5.376492041)

Con el resultado se puede observar que el coeficiente es cercano a cero, as la distribucin se

caracteriza por ser insesgada, es decir, que la curva tiene una forma simtrica tal que las colas tienden
a ser iguales.
f

Figura 3.16. Distribucin insesgada de las ventas por telfono.

170

Estadstica PARA NEGOCIOS

Ejercicio 11
1.

En una distribucin con 3 = 0:

a)
b)
c)
d)

2.

En una distribucin con 3 > 0:

a)
b)
c)
d)

3.

Media, mediana y moda son diferentes.

Media, mediana y moda coinciden en el mismo valor.
La media es mayor que la mediana y la moda.
La moda es mayor que la media y la mediana.

La mediana es mayor que la media y la moda.

Media, mediana y moda coinciden en el mismo valor.
La media es mayor que la mediana y la moda.
La moda es mayor que la mediana y la moda.

En una distribucin 3 < 0:

a)
b)
c)
d)

La mediana es mayor que la media y la moda.

Media, mediana y moda coinciden en el mismo valor.
La media es mayor que la mediana y la moda.
La moda es mayor que la mediana y la moda.

4.

Encuentra el ndice de asimetra para una serie conformada por los siguientes datos provenientes
de una muestra: 0, 1, 1, 3 y 5, y seala qu tipo de distribucin es.

5.

Con los datos de los ingresos anuales (en miles) de 300 familias que se presentan a continuacin,
calcula el coeficiente de asimetra para saber cmo es el sesgo de la distribucin.
Ingreso (miles de $)
1.50 2.999
3.00 4.999
5.00 6.999
7.00 8.999
9.00 10.999
11.00 12.999
13.00 14.999
15.00 16.999

f
25
31
42
45
52
42
35
28
300

Distribucin de salarios.

Unidad 3. Medidas de tendencia central

171

3.7.1. Kurtosis

El ndice de kurtosis es una medida de dispersin mediante la cual se conoce qu tan concentrados
o qu tan dispersos se encuentran los datos alrededor de la media. Su resultado representa el grado
de apuntamiento de una distribucin, es decir, qu tan puntiaguda o qu tan aplanada es la curva de
una distribucin. Cuando es muy puntiaguda se dice que los datos se encuentran muy concentrados
alrededor de la media, mientras que si es muy chata o aplanada, se dice que existe una gran dispersin
de los datos alrededor de la media.
Para encontrar el ndice de kurtosis, las frmulas dependen de la informacin con la que se
trabaje y de la manera en que se encuentren organizados los datos, ya sea que se trate de una muestra
o de una poblacin, o que los datos se encuentren no agrupados o agrupados. Se representa mediante
la expresin 4.
Para el caso de datos no agrupados, la kurtosis poblacional y muestral se expresan mediante las
siguientes frmulas:
( X j - )4

N
4 Poblacional =
( )4

4 Muestral

( X j - X )4

n -1
=
( S) 4

Para el caso de datos agrupados, la kurtosis poblacional y muestral se obtienen utilizando las
siguientes frmulas:

4 Poblacional

( m j - )4 f

=
( )4

Donde:
4 = Coeficiente de kurtosis.
mj = Punto medio de clase.
X = Media de la muestra.
f = frecuencia de la clase.
= Media poblacional.

4 Muestral

( m j - X )4 f

n -1
=
( S) 4

n = Tamao de la muestra.
N = Tamao de la poblacin.
= Desviacin estndar poblacional.
S = Desviacin estndar de la muestra.

La interpretacin del ndice de kurtosis se define segn el caso que se trate:

1. Si el ndice de kurtosis es igual a tres (4 = 3), la distribucin no es ni tan puntiaguda ni tan
plana. A este tipo de distribucin se le conoce como distribucin mesocrtica.
2. Si el ndice de kurtosis es mayor a tres (4 > 3), la distribucin es muy puntiaguda, es
decir, los datos se encuentran muy concentrados alrededor de la media. A este tipo de
distribucin se le conoce como distribucin leptocrtica.
3. Si el ndice de kurtosis es menor a tres (4 < 3), la distribucin es muy plana, es decir, los
datos se encuentran muy dispersos del valor de la media. A este tipo de distribucin se le
conoce como distribucin platicrtica.

172

Estadstica PARA NEGOCIOS

a4 > 3

Figura 3.17. Distribucin leptocrtica.

a4 = 3

a4 < 3

Figura 3.18. Distribucin

mesocrtica.

Figura 3.19. Distribucin

platicrtica.

Ejemplo 35
Empleando los datos del ejemplo 5, calcula el coeficiente de kurtosis para saber cmo es la forma de
la curva de estos datos.
Tiempo de servicio
5.00 8.99
9.00 12.99
13.00 16.99
17.00 20.99
21.00 24.99
25.00 28.99

mj

3
5
7
6
3
1
25

6.995
10.995
14.995
18.995
22.995
26.995

(mj f)
20.985
54.975
104.965
113.97
68.985
26.995
390.875

(mj X )

(mj X )4

[(mj X )4] f

8.64
4.64
0.64
3.36
7.36
11.36

5 572.56278
463.5236762
0.16777216
127.4550682
2 934.345564
16 653.79926

1 6717.68834
2 317.618381
1.17440512
764.7304092
8 803.036692
16 653.79926
45 258.04749

Tabla 3.31. Distribucin de las ventas por telfono.

Obtenemos la informacin necesaria para encontrar la kurtosis:
X=

( m j f )
n

390.875
= 15.635
25

S2 =

( mj - X )2 f 693.76 693.76
=
=
= 28.90666667
24
n -1
(25 - 1)

S=

( mj - X )2 f
= 28.90666667 = 5.376492041
n -1

Unidad 3. Medidas de tendencia central

173

El numerador de la frmula empleada para calcular el coeficiente se denota por:

( m j - X )4 f
n -1

45258.049
= 1 885.751979
24

Con los datos anteriores, el coeficiente de kurtosis es:

( m j - X )4 f

n -1
4 =
( S) 4

= 1 885.751979 = 1 885.751979 = 2.25677646

( 5.376492041)4 835.5953778

Con el resultado se puede observar que el coeficiente es menor a tres, por lo que la
distribucin se caracteriza por ser platicrtica, es decir, que la curva tiene una forma tal que
su apuntamiento es achatado, tal y como se muestra a continuacin:

Figura 3.20. Distribucin de las ventas por telfono.

174

Estadstica PARA NEGOCIOS

Ejercicio 12
1.

El ndice de kurtosis mide:

a)
b)
c)
d)

2.

Si el ndice de kurtosis 4 es igual a tres, entonces:

a)
b)
c)
d)

3.

La distribucin es asimtrica.
La distribucin es mesocrtica.
La distribucin es leptocrtica.
La distribucin es platicrtica.

Si el ndice de kurtosis 4 es mayor a tres, entonces:

a)
b)
c)
d)

5.

La distribucin es asimtrica.
La distribucin es mesocrtica.
La distribucin es leptocrtica.
La distribucin es platicrtica.

Si el ndice de kurtosis 4 es menor a tres, entonces:

a)
b)
c)
d)

4.

La simetra de una distribucin.

Un valor tpico o representativo de la distribucin.
La dispersin existente entre el valor mayor y el menor.
El grado de apuntamiento de una distribucin.

La distribucin es asimtrica.
La distribucin es mesocrtica.
La distribucin es leptocrtica.
La distribucin es platicrtica.

Con los siguientes datos de los ingresos anuales (en miles) de 300 familias, calcula el coeficiente
de kurtosis para conocer cmo es la forma de la curva de distribucin:
Ingreso (miles de $)
1.50 2.999
3.00 4.999
5.00 6.999
7.00 8.999
9.00 10.999
11.00 12.999
13.00 14.999
15.00 16.999

f
25
31
42
45
52
42
35
28
300

Distribucin de salarios.

Unidad 3. Medidas de tendencia central

175