AnalisisDatos S02 MedidasNumericasDescriptivas

Anlisis de Datos para la Gerencia
CURSO: Anlisis de Datos para la Gerencia
Jos Antonio Robles Flores
Sistemas de Informacin y Mtodos Cuantitativos

ESAN Graduate School of Business
Lima - Peru
Basado en: Levine; Krehbiel & Berenson 2014.

Estadstica para Administracin 6ta Edicin.
Pearson.
Jos Antonio RoblesOctober 2016

Flores 1, 1
CURSO: Anlisis Cuantitativo para la Gerencia
SESIN 02: Medidas Numricas Descriptivas

(Captulo 03)
Basado en: Levine; Krehbiel & Berenson 2014. Estadstica para

Administracin 6ta Edicin. Pearson.

Flores 1, 2
Medidas numricas
Medidas de posicin (o localizacin)

Media
Mediana
Moda
Percentiles
Cuartiles
Medidas de Variabilidad
Rango
Rango intercuartiles (intercuartlico)
Varianza
Desviacin Estndar
Coeficiente de Variacin
Forma
Sesgo
Flores 1, 3
Medidas de Resumen
Descripcin Numrica de la Data
Tendencia Central Percentiles Variabilidad Forma
Cuartiles
Media Aritmtica Rango Sesgo
Mediana Rango Intercuartiles
Moda Varianza
Desviacin Estndar

Flores 1, 4
Media Aritmtica
La media aritmtica (media de la muestra) es la

medida de tendencia central ms comn
Para una muestra de tamao n: (para la poblacin:

n
X i
X1 X2 Xn
X i1

n n
Tamao de la muestra Valores observados

Flores 1, 5
La Media Aritmtica (continuacin)
La medida de tendencia central ms comn

Media = suma de valores dividido entre el nmero de
valores
Se ve afectada por los valores extremos (outliers)
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Media = 3 Media = 4
1 2 3 4 5 15 1 2 3 4 10 20
3 4
5 5 5 5

Flores 1, 6
Mediana
En un arreglo ordenado, la mediana es el nmero

en el medio (50% por arriba, 50% por debajo)
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Mediana = 3 Mediana = 3
No se ve afectada por los valores extremos

Flores 1, 7
Hallando la Mediana
La localizacin de la mediana:
n 1
Posicin de la Mediana posicin en la data ordenada
2
Si el nmero de valores es impar, la mediana es el nmero en el
medio
Si el nmero de valores es par, la mediana es el promedio de los dos
nmeros del medio
n 1
Note que no es el valor de la mediana, solo la posicin
2
de la mediana en la data ordenada

Flores 1, 8
Moda
Una medida de tendencia central
El valor que ocurre ms frecuentemente
No est afectado por los valores extremos
Se utiliza tanto para datos numricos como
categricos (nominales)
Es posible que no haya una moda
Pueden haber varias modas
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6
Moda = 9 No hay Moda

Flores 1, 9
Ejemplo de Repaso
Cinco casas de playa en una loma

$2,000 K
Precios de la
Casas:
$2,000,000 $500 K
500,000 $300 K
300,000
100,000
100,000
$100 K
$100 K

Flores 1, 10
Ejemplo de Repaso: Estadsticas de Resumen
Precios de las
Media: ($3,000,000/5)
casas: = $600,000
$2,000,000
500,000
300,000 Mediana: valor medio de datos
100,000
100,000 ordenados
Suma $3,000,000 = $300,000
Moda: el valor ms frecuente

= $100,000

Flores 1, 11
Qu medida de ubicacin es la mejor?
La media es la que generalmente se

utiliza a menos que hallan valores
extremos (outliers).
Luego, la mediana es la ms utilizada,
puesto que la mediana no es sensible a
los valores extremos.
Ejemplo: La mediana de los precios de las
casas es un valor que se puede reportar
para una regin es menos sensible a los
valores extremos

Flores 1, 12
Percentiles
Un percentil proporciona informacin sobre la

distribucin de los datos en el intervalo de los datos
(del valor menor al valor mayor).
Por ejemplo, los resultados del GMAT (o del
examen de admisin a ESAN) se reportan en
trminos de percentiles.
El p-simo percentil es un valor tal que por lo menos
p por ciento de las observaciones es menor o igual
a este valor y por lo menos (100-p) es mayor o igual
a ese valor.
Flores 1, 13
Percentiles
Ordenar los datos en orden ascendente.
Computar el ndice i, la posicin del p-simo percentil

i = (p/100)n
Si i no es un entero, redondear. El p-simo percentil

es el valor en la i-sima posicin.
Si i es un entero, el p-simopercentil es el promedio

de los valores en las posiciones i e i+1.

Flores 1, 14
Ejemplo para el percentil 80

Ejemplo: Alquiler de Departamentos
i = (p/100)n = (80/100)70 = 56
Promediando los valores de los datos 56avo y 57avo:
Percentil 80 = (535 + 549)/2 = 542
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
Nota: Los datos estn en orden ascendente.

Flores 1, 15
Ejemplo para el percentil 80

Por lo menos el 80% de Por lo menos el 20% de
los tems toman un los tems toman un
valor de 542 o menos valor de 542 o ms
56/70 = .8 or 80% 14/70 = .2 or 20%
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615

Flores 1, 16
Cuartiles
Los cuartiles dividen la data ordenada en 4 segmentos con
igual nmero de valores por segmento
25% 25% 25% 25%
Q1 Q2 Q3
El primer cuartil, Q1, es el valor para el cual 25% de las

observaciones son ms pequeas y 75% ms grandes
Q2 es igual a la mediana (50% ms pequeas, 50% ms
grandes)
Slo 25% de las observaciones son ms grandes que el
tercer cuartil

Flores 1, 17
Frmulas para los cuartiles
Encontrar un cuartil determinando el valor en la posicin

apropiada en la data ordenada, donde
Posicin del primer cuartil: Q1 = (n+1)/4
Posicin del segundo cuartil: Q2 = (n+1)/2 (posicin de la mediana)
Posicin del tercer cuartil: Q3 = 3(n+1)/4
donde n es el nmero de valores observados

Flores 1, 18
Cuartiles
Ejemplo: Encuentre el primer cuartil
Datos de la muestra en arreglo ordenado:
11 12 13 16 16 17 18 21 22
(n = 9)
Q1 est en la posicin (9+1)/4 = 2.5 de la data ordenada,
entonces, utilizar el valor en medio del 2do y 3er valor,
entonces Q1 = 12.5
Q1 y Q3 son medidas de ubicacin no-central

Q2 = mediana, una medida de tendencia central

Flores 1, 19
Cuartiles (continuacin)
Ejemplo:
Data muestral en arreglo ordenado: 11 12 13 16 16 17 18 21 22
(n = 9)
Q1 est en la posicin (9+1)/4 = 2.5 de la data ordenada,
entonces Q1 = 12.5
Q2 est en la posicin (9+1)/2 = 5th de la data ordenada,

entonces Q2 = mediana = 16
Q3 est en la posicin 3(9+1)/4 = 7.5 de la data ordenada,

entonces Q3 = 19.5
Flores 1, 20
Medidas de Variacin (o Variabilidad)
Variacin
Rango Rango Varianza Desviacin Coeficiente

Intercuartil Estndar de Variacin
Las medidas de variacin

brindan informacin
respecto a la dispersin o
variabilidad de los valores
de la data
Mismo centro,
diferente variacin
Flores 1, 21
Rango
La medida de variacin ms simple

La diferencia entre los valores ms grande y
ms pequeo en un conjunto de datos:
Rango = Xms grande Xms pequeo
Ejemplo:
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Rango = 14 - 1 = 13

Flores 1, 22
Desventajas del Rango

Ignora la forma en que la data est distribuida
7 8 9 10 11 12 7 8 9 10 11 12
Rango = 12 - 7 = 5 Rango = 12 - 7 = 5
Sensible a los valores extremos

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5
Rango = 5 - 1 = 4
1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120
Rango = 120 - 1 = 119

Flores 1, 23
Rango Intercuartil
Puede eliminar algunos problemas de valores

extremos utilizando el rango intercuartil
Eliminar algunas observaciones grandes y

pequeas y calcular el rango de los valores
que quedan
Rango Intercuartil = 3er cuartil 1er cuartil

= Q3 Q1

Flores 1, 24
Rango Intercuartil
Ejemplo:
Mediana X
X Q1 Q3 mximo
mnimo (Q2)
25% 25% 25% 25%
12 30 45 57 70
Rango Intercuartil
= 57 30 = 27

Flores 1, 25
Varianza
Promedio (aproximadamente) del cuadrado de las

desviaciones de los valores desde la media
(X X)
Varianza de la muestra: 2
i
S 2 i1
n -1
Donde X = media
n = tamao de la muestra
Xi = isimo valor de la variable X
Flores 1, 26
Desviacin Estndar
La medida de variabilidad ms utilizada

Muestra la variacin sobre la media
Es la raz cuadrada de la varianza
Tiene las mismas unidades que la data original
n
Desviacin estndar
de la muestra:
(X X) i
2
S i1
n -1

Flores 1, 27
Ejemplo de clculo:
Desviacin estndar de la muestra
Data de la
Muestra (Xi) : 10 12 14 15 17 18 18 24
n=8 Media = X = 16
(10 X ) 2 (12 X ) 2 (14 X) 2 (24 X ) 2

S
n 1
(10 16) 2 (12 16) 2 (14 16) 2 (24 16) 2

8 1
130 Medida de la dispersin promedio

4.3095 alrededor de la media
7
Flores 1, 28
Midiendo la variabilidad
Desviacin estndar pequea
Desviacin estndar grande

Flores 1, 29
Comparando Desviaciones Estndar
Data A
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 S = 3.338
Data B
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 S = 0.926
Data C
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 S = 4.567

Flores 1, 30
Ventajas de la Varianza y la Desviacin Estndar
Todos los valores en el conjunto de datos se utilizan

en el clculo
Los valores distantes de la media tienen un peso

extra
(porque las desviaciones de la media estn elevadas al
cuadrado)

Flores 1, 31
Mide la variacin relativa

Siempre en porcentajes (%)
Muestra la variacin relativa a la media
Puede utilizarse para comparar dos o ms
conjuntos de datos medidos en diferentes unidades
S
CV 100%
X
Flores 1, 32
Comparando coeficientes de variacin

Accin A:
Precio promedio el ao pasado = $50
Desviacin estndar = $5
S $5

CVA 100% 100% 10%
X $50 Ambas
Accin B: acciones tienen
la misma
Precio promedio el ao pasado = $100 desviacin
estndar, pero
Desviacin estndar = $5 la accin B es
menos variable
S $5
CVB 100%
en relacin a su
100% 5% precio
X $100
Flores 1, 33
Medidas de Distribucin
Forma de la distribucin
Valores (o puntuaciones) z
El Teorema de Chebyshev
La Regla Emprica
Deteccin de valores extremos (atpicos)

Flores 1, 34
Forma de la Distribucin
Describe cmo est distribuida la data

Medidas de la forma
Simtrica o sesgada
Sesgada a la Simtrica Sesgada a la
Izquierda Derecha
Media < Mediana Media = Mediana Mediana < Media

Flores 1, 35
Forma de la Distribucin: Sesgo
Una medida importante de la forma de una distribucin

es llamada sesgo.
La frmula para el sesgo de una muestra de datos es:
3
n xi x
Sesgo
(n 1 )(n 2 ) s

El sesgo es computado por un paquete estadstico.

Flores 1, 36

Simtrica (no hay sesgo)
Sesgo es cero.
La media y la mediana son iguales.
.35 Sesgo = 0
.30
Frecuencia Relativa
.25
.20
.15
.10
.05
0

Flores 1, 37

Moderadamente sesgada a la izquierda
Sesgo es negativo.
La media ser usualmente menos que la mediana.
.35 Sesgo = .31

.30
Frecuencia Relativa
.25
.20
.15
.10
.05
0

Flores 1, 38

Moderadamente sesgada a la derecha
Sesgo es positivo
La media usualmente ser ms que la mediana.
.35 Sesgo = .31

.30
Frecuencia Relativa
.25
.20
.15
.10
.05
0

Flores 1, 39

Altamente sesgada a la derecha
El sesgo es positivo (usualmente mayor a 1.0).
La media usualmente ser ms que la mediana.
.35 Sesgo = 1.25

.30
Frecuencia Relativa
.25
.20
.15
.10
.05
0

Flores 1, 40

Setenta departamentos fueron aleatoriamente
muestreados. El precio de alquiler mensual para los
departamentos aparece abajo en orden ascendente.
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615

Flores 1, 41

.35 Sesgo = .92

.30
Frecuencia Relativa
.25
.20
.15
.10
.05
0

Flores 1, 42
Valores Z
Una medida de la distancia hacia la media (por ejemplo, un

valor Z de 2.0 significa que un valor est a 2.0 desviaciones
estndar de la media)
La diferencia entre un valor y la media, dividida entre la
desviacin estndar
Un valor Z por encima de 3.0 o por debajo de -3.0 se
considera un valor extremo (outlier)
XX
Z
S
Flores 1, 43
Valores Z (continuacin)
Ejemplo:
Si la media es 14.0 y la desviacin estndar es 3.0,
cul es el valor Z para el valor 18.5?
X X 18.5 14.0
Z 1.5
S 3.0
El valor 18.5 est 1.5 desviaciones estndar por
encima de la media
(un valor Z negativo significa que un valor es menor
que la media)
Flores 1, 44
El Teorema (la regla) de Chebyshev
Independientemente de cmo est distribuida la

data, al menos (1 - 1/z2) x 100% de los valores
estarn dentro de z desviaciones estndar de la
media (para z > 1)
Ejemplos:
Al menos dentro de
(1 - 1/12) x 100% = 0% ..... z=1 ( 1)
(1 - 1/22) x 100% = 75% ........ z=2 ( 2)
(1 - 1/32) x 100% = 89% . z=3 ( 3)

Flores 1, 45
La Regla Emprica
Si la distribucin de la data tiene

aproximadamente la forma de campana,
entonces el intervalo:
1 contiene aproximadamente el 68% de los
valores en la poblacin o la muestra
68%

1
Flores 1, 46
La Regla Emprica
2 contiene aproximadamente el 95% de

los valores en la poblacin o la muestra
3 contiene aproximadamente el 99.7% de
los valores en la poblacin o la muestra
95% 99.7%
2 3

Flores 1, 47
Anlisis Exploratorio de la Data
Grfico de Caja y Bigote: Una representacin visual

de la data utilizando el resumen de 5 nmeros:
Mnimo -- Q1 -- Mediana -- Q3 -- Mximo
Ejemplo:
25% 25% 25% 25%
Minimum
Mnimo 1st
1er Median 3rd
Mediana 3er Maximum
Mximo
Minimum Quartile
1st
Cuartil Median Quartile
3rd
Cuartil Maximum
Quartile Quartile

Flores 1, 48
Forma del Diagrama (Grfico) de Caja
La Caja y la lnea central estn centradas entre los

puntos finales si la data es simtrica alrededor de la
mediana
Min Q1 Mediana Q3 Max
Un grfico de caja puede mostrarse tanto en el

formato vertical como en el horizontal

Flores 1, 49
La Forma de la Distribucin y
el Grfico de Caja y Bigote
Sesgo a la Sesgo a la
Izquierda Simtrica Derecha
Q1 Q2 Q3 Q1 Q2 Q3 Q1 Q2 Q3

Flores 1, 50
Ejemplo de un grfico de caja y bigote
Grfico de caja para la siguiente data:
Min Q1 Q2 Q3 Max
0 2 2 2 3 3 4 5 5 10 27
00 22 33 55 27
27
La data est sesgada a la derecha, como lo
muestra el grfico
Flores 1, 51
Diagrama de Caja (comparacin entre grupos)

Flores 1, 52
Medidas de Asociacin entre dos variables
Hasta ahora hemos utilizado mtodos numricos

para una sola variable
Pero usualmente estamos interesados en conocer
la relacin entre dos variables para tomar
decisiones
Dos medidas de descripcin de las relaciones entre
dos variables son la covarianza y el coeficiente de
correlacin.

Flores 1, 53
La Covarianza de la Muestra
La covarianza de la muestra mide el grado de relacin

lineal entre dos variables (llamado data bivariada)
La covarianza de la muestra:
( X X)( Y Y)
i i
cov ( X , Y ) i1
n 1
Slo se preocupa por el grado de relacin
No se implica un efecto causal (relacin causal)

Flores 1, 54
Interpretando la Covarianza
Covarianza entre dos variables aleatorias:
cov(X,Y) > 0 X e Y tienden a moverse en la misma

direccin
cov(X,Y) < 0 X e Y tienden a moverse en direcciones

opuestas
cov(X,Y) = 0 X e Y son independientes

Flores 1, 55
Coeficiente de Correlacin
Mide el grado relativo de relacin lineal entre

dos variables
Coeficiente de correlacin de la muestra:
cov (X , Y)
r
SX SY
donde
n
(X X)(Y Y)
n n
i i (X X)
i
2
i
(Y Y ) 2
cov (X , Y) i1
SX i1
SY i1
n 1 n 1 n 1
Flores 1, 56
Caractersticas del
Coeficiente de Correlacin, r
No tiene unidades
El rango est entre 1 y 1
A medida que se acerca a 1, ms fuerte la relacin
lineal negativa
A medida que se acerca a 1, ms fuerte la relacin
lineal positiva
A medida que se acerca a 0, ms dbil la relacin lineal

Flores 1, 57
Diagramas de Dispersin de Data con

Varios Coeficientes de Correlacin
Y Y Y
X X X
r = -1 r = -.6 r=0
Y
Y Y
X X X
r = +1 r = +.3 r=0
Flores 1, 58
Utilizando Excel para encontrar

el Coeficiente de Correlacin
Seleccione Datos / Anlisis de Datos
Elegir Coeficiente de Correlacin del men de seleccin
Clic Aceptar . . .

Flores 1, 59
Utilizando Excel para encontrar

el Coeficiente de Correlacin (continuacin)
Ingresar el rango de datos y

seleccionar la opcin
correspondiente
Clic Aceptar para obtener el
resultado
Flores 1, 60
Interpretando el Resultado
Diagrama de Dispersin de los
r = .733 Puntajes de Examen
100
95
Puntaje Examen #2
Hay una relativa
90
relacin lineal fuerte
entre el puntaje del 85
examen #1 y el puntaje 80
del examen #2 75
70
70 75 80 85 90 95 100
Puntaje Examen #1
Los estudiantes que lograron un puntaje alto en el primer

examen tienden a obtener un puntaje alto en el segundo y
los estudiantes que obtuvieron un puntaje bajo en el primer
examen tienden a obtener puntajes bajos en el segundo
examen
Flores 1, 61
Trampas y peligros en las

Medidas Numricas de Descripcin
El anlisis de datos es objetivo

Se debe reportar el resumen de medidas que mejor
describe los supuestos sobre el conjunto de datos
La interpretacin de la data es subjetiva

Debe realizarse de manera justa, neutral y clara

Flores 1, 62
Consideraciones ticas
Las medidas numricas de descripcin:
Deben documentar resultados tanto buenos como

malos
Deben presentarse de manera justa, objetiva y
neutral
No debe utilizarse medidas de resumen
inapropiadas que distorsionen los hechos

Flores 1, 63
Resumen del Captulo
Se describi las medidas de tendencia central

Media, mediana, moda, media geomtrica
Se discuti el concepto de cuartiles
Se describi las medidas de variabilidad
Rango, rango intercuartil, varianza y desviacin estndar, coeficiente de
variacin, valores Z
Se ilustr las formas de la distribucin
Simtrica, sesgada, grficos de caja y bigotes
Se discuti la covarianza y el coeficiente de correlacin
Se trataron las trampas y peligros en el uso de medidas numricas de
descripcin y algunas consideraciones ticas

Flores 1, 64
Referencias
Levine; Krehbiel & Berenson 2014. Estadstica para

Administracin 6ta Edicin. Pearson.

Flores 1, 65

AnalisisDatos S02 MedidasNumericasDescriptivas

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

AnalisisDatos S02 MedidasNumericasDescriptivas

Transféré par

Droits d'auteur :

Formats disponibles

Anlisis de Datos para la Gerencia

CURSO: Anlisis de Datos para la Gerencia

Jos Antonio Robles Flores

Sistemas de Informacin y Mtodos Cuantitativos

Basado en: Levine; Krehbiel & Berenson 2014.

Jos Antonio RoblesOctober 2016

CURSO: Anlisis Cuantitativo para la Gerencia

SESIN 02: Medidas Numricas Descriptivas

Basado en: Levine; Krehbiel & Berenson 2014. Estadstica para

Jos Antonio RoblesOctober 2016

Medidas de posicin (o localizacin)

Descripcin Numrica de la Data

Tendencia Central Percentiles Variabilidad Forma

Mediana Rango Intercuartiles

Jos Antonio RoblesOctober 2016

La media aritmtica (media de la muestra) es la

Para una muestra de tamao n: (para la poblacin:

Tamao de la muestra Valores observados

La Media Aritmtica (continuacin)

La medida de tendencia central ms comn

Jos Antonio RoblesOctober 2016

En un arreglo ordenado, la mediana es el nmero

No se ve afectada por los valores extremos

Jos Antonio RoblesOctober 2016

Jos Antonio RoblesOctober 2016

Moda = 9 No hay Moda

Cinco casas de playa en una loma

Jos Antonio RoblesOctober 2016

Ejemplo de Repaso: Estadsticas de Resumen

Moda: el valor ms frecuente

Jos Antonio RoblesOctober 2016

Qu medida de ubicacin es la mejor?

La media es la que generalmente se

Jos Antonio RoblesOctober 2016

Un percentil proporciona informacin sobre la

Ordenar los datos en orden ascendente.

Computar el ndice i, la posicin del p-simo percentil

Si i no es un entero, redondear. El p-simo percentil

Si i es un entero, el p-simopercentil es el promedio

Jos Antonio RoblesOctober 2016

Ejemplo para el percentil 80

Jos Antonio RoblesOctober 2016

Ejemplo para el percentil 80

Jos Antonio RoblesOctober 2016

25% 25% 25% 25%

El primer cuartil, Q1, es el valor para el cual 25% de las

Jos Antonio RoblesOctober 2016

Frmulas para los cuartiles

Encontrar un cuartil determinando el valor en la posicin

Posicin del primer cuartil: Q1 = (n+1)/4

Posicin del segundo cuartil: Q2 = (n+1)/2 (posicin de la mediana)

Posicin del tercer cuartil: Q3 = 3(n+1)/4

donde n es el nmero de valores observados

Jos Antonio RoblesOctober 2016

Q1 y Q3 son medidas de ubicacin no-central

Jos Antonio RoblesOctober 2016

Q2 est en la posicin (9+1)/2 = 5th de la data ordenada,

Q3 est en la posicin 3(9+1)/4 = 7.5 de la data ordenada,

Medidas de Variacin (o Variabilidad)

Rango Rango Varianza Desviacin Coeficiente

Las medidas de variacin

La medida de variacin ms simple

Rango = Xms grande Xms pequeo