Apuntes

 No.  5-­‐Unida  II  

 
Medidas  de  comparación:  Coeficiente  de  variación,  Unidades  Tipificadas  

Comparar  datos  procedentes  de  diferentes  muestras  o  poblaciones  

Unidades  Tipificadas  

La  unidades  tipificas  muestran  el  número  de  desviaciones  estándar  en  que  un  valor  dado  
se  sitúa  por  encima  o  debajo  de  la  media.  También  se  usan  para  comparar  valores  de  
diferentes  muestras  o  poblaciones.  

Supóngase  que  x  es  un  valor  procedente  de  una  muestra  o  de  una  población  con  media  
 y  desviación  estándar  s  o  t.  Entonces  el  valor  de  x  en  unidades  tipificadas,  se  representa  por  
z  y  se  define  como  sigue:  

Para  una  muestra  

Unidades  tipificadas    

Para  una  población  

Unidades  tipificadas    

Ejemplos:  

Un  alumno  A  saca  una  puntuación  de  85  en  un  examen  cuyas  puntuaciones  tienen  una  media  de  
79  y  desviación  estándar  de  8.  Un  alumno  B  saca  74  en  un  examen  cuyas  puntuaciones  tienen  
media  70  y  desviación  estándar  de  5.  ¿Cuál  de  las  dos  obtuvo  una  puntuación  mejor?  

 La  puntuaciones  tipificadas  de  los  alumnos  A  y  B  son  respectivamente:  

Alumno  “A”  

Alumno  “B”  

Por  tanto  el  alumno  B  esta  mucho  mas  por  encima  de  la  media    que  el  alumno  A.  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  1  

 
 Apuntes  No.  5-­‐Unida  II  
 
 

Coeficiente  de  variación  

La  desventaja  de  la  desviación  estándar  como  medida  de  variación  o  dispersión  es  que  depende  de  
las  unidades  de  medida  de  la  muestra  de  la  población.  

El  coeficiente  de  variación  es  un  valor  relativo  expresado  en  términos  de  %  y  permite  comparar  
dos  muestras  o  poblaciones,  relacionadas  con  una  misma  variable.  

Para  la  muestra  

Coeficiente  de  variación:    

Para  la  población:    

Coeficiente  variación:    

Ejemplo  No.1  

Considérese  las  dos  muestras  siguientes  que  representa  los  pesos  en  kg  y  la  estatura  en  cm  de    
una  muestra  de  10  personas.  

Peso  en  Kg.  

Xi   63   52   78     49   71   62   68   48   58   67    
 

Estatura  en  Cm.    

Xi   162   158   167   151   162   168   167   153   152   173    
 

Para  el  caso  del    peso  en  Kg  el  cálculo  del  coeficiente  variación  es  

    =    ((63+52+78+49+71+62+68+48+58+67)/(10))=  ((308)/5)=  61.  6  

       

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  2  

 
 Apuntes  No.  5-­‐Unida  II  
 

Para  el  caso  de  la  estatura  en  Cm.  el  cálculo  del  coeficiente  variación  es  

(162 − 161.3)2 + (158 − 161.3)2 + (167 − 161.3)2 + (151 − 161.3)2 + (162 − 161.3)2 + (168 − 161.3)2 + (167 − 161.3)2 + (153 − 161.3)2 + (152 − 161.3)2 + (173 − 161.3)2
S2 =
9

=  57.  789  

Obsérvese  entonces  que  la  muestra  de  10  personas  aporta,  que  hay  mas  variación  en  el  peso  que  
en  la  estatura  de  las  personas.  

Ejemplo  No.  2  

Supongase   que   se   mide   un   objeto   con   un   medidor   métrico   “A”   de   media   3.25   mm   y  
desviación   típica   de   0.01   mm,   y   supongamos   que   medimos   otro   objeto   con   un   medidor  
inglés  “B”  de  media  0.80  pulgadas  y  desviación  típica  de  0.002  pulgadas.  ¿Qué  medidor  es  
rlativamente  el  más  preciso?  

0.01 0.01
VA = 0.0030  30% VA = 0.0030  30%
3.25 3.25
 
0.002 0.002
VB = = 0.0025  25% VB = = 0.0025  25%
0.80 0.80

Se  concluye  que  el  medidor  “B”  es  mas  preciso  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  3  

 
 Apuntes  No.  5-­‐Unida  II  
 
Una  aplicación  importante  del  Coeficiente  de  Variación  es  en  el  ámbito  financiero.  

Medida  que  intenta  incorporar  en  una  única  Cifra  el  rendimiento    de  la  inversión  sobre  la  
inversión  y  el  riesgo  de  la  inversión.  El  razonamiento  usado  es  que  cuanto  más  bajo  es  el  
CV.  Menor  es  el  riesgo  por  unidad  de  rendimiento.  

Media  Ponderada:  

Para   algunos   fines   específicos   a   los   datos   X1,     X2   ,...,   Xn,   se   le   asigna   un   peso   W1,   W2   ,…,   Wn    
respectivamente.  

Este   peso   puede   ser   la   frecuencia   de   una   observación   o   la   probabilidad   de   que   esa  
observación  ocurra  o  alguna  otra  medida  referente  al  estudio  en  cuestión.  

Entonces:  

Obsérvese   que   la   media   ponderada   es   la   misma   que   la   media   muestral   para   una  
distribución  de  frecuencias,  cuando  es  el  caso  que  solo  pesos  representan  frecuencias.  

Gran  Media:  

Es  útil  en  Muestreo  estratificado  es  decir  donde  los  datos  se  dividen  en  “t”  grupos,  
supongamos  que    son  el  número  de  datos  en  los  “t”  grupos  y      son  las  
medias  de  los  correspondientes  grupos,  entonces  la  gran  media  es:  

10(75) + 20(78) + 15(80) + 5(82)

Gran media = x = = 78.4  
10 + 20 + 15 + 5

En  ocasiones  se  considera  la  gran  media  como  un  caso  especial  de  media  ponderada.  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  4  

 
 Apuntes  No.  5-­‐Unida  II  
 
Ejemplo:  

Una  clase  de  arte  contemporaneo  en  la  Universidad  de  San  Diego  contiene  10  estudiantes  de  
primero,  20  de  segundo,  15  de  tercero,  y  5  de  cuarto.  Se  pone  un  examen  a  la  clase  arte  
contemporaneo  donde  la  media  de  estudiantes  de  primero  es  de  75,  la  de  segundo  78,  la  de  
tercero  80  y  la  de  cuarto  82.  Hallar  el  curso  medio  de  la  clase.  

n1  =10,  n  2    =  20,,  n3=15  ,n  4=  5  y  x x x 1=  75,   x 2=78,   x 3=80,   x 4=82  

10(75) + 20(78) + 15(80) + 5(82)

Gran media = x = = 78.4  
10 + 20 + 15 + 5

Asimetría  y  apuntamiento  
Intervalo  del  rango  

El  intervalo  de  rango  de  un  conjunto  de  datos  numérico,  es  el  intervalo  cuyos  extremos  son  el  
menor  y  el  mayor  valor.  

Rango  

El  rango  de  un  conjunto  de  datos  numérico  es  la  diferencia  entre  el  mayor  valor  y  el  menor  valor;  
es  decir  es  la  longitud  del  intervalo  del  rango.  

Medio  rango  o  rango  medio  

El  medio  rango  de  un  conjunto  de  valores  numérico  es  la  media  entre  el  menor  valor  y  el  mayor  
valor,  es  decir  el  punto  medio  del  intervalo  de  rango.  

Sesgo  o  Skewness  

La  medida  de  posición  o  de  forma  determina  la  conformación  geométrica  del  polígono  de  
frecuencias  de  una  distribución.  

El  sesgo  o  skewness  determina  el  grado  de  asimetría  de  la  curva  o  polígono  de  frecuencia  

Y  se  determina  como:  

Si  el  sesgo  es  =  0  la  curva  es  normal  

Si  el  sesgo  es  (-­‐)  la  curva  es  sesgada  a  la  izquierda  

Si  el  sesgo  es  (+)  la  curva  es  sesgada  a  la  derecha  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  5  

 
 Apuntes  No.  5-­‐Unida  II  
 
Ejemplo:  

Para  la  siguiente  distribución  de  frecuencias,  obsérvese  que  el  histograma    tiene  sesgo  positivo  (+)  
es  decir    

xi   1   2   3   4   5   6   7   8   9  
f   30   25   20   15   10   5   5   2   2  
 

Histograma  sesgado  a  la  derecha  y  se  dice  que  tiene  sesgo  positivo.  

En  un  histograma  con  sesgo  negativo  se  considera  que  hay  menos  datos  u  observaciones  
debajo  de  la  media,  obsérvese  que  hay  75  datos  abajo  de  la  media  y  39  datos  arriba  de  la  
media.    Esto  es  que  la  mediana  y  la  moda  se  encuentran  por  abajo  de  la  media.  

 
 

Xi   1   2   3   4   5   6   7   8   9  
fi   2   2   5   5   10   15   20   25   30  
 

Histograma  sesgado  a  la  izquierda  y  se  dice  que  tiene  sesgo  negativo.  

En  un  histograma  con  sesgo  negativo  se  considera  que  hay  menos  datos  u  observaciones  
debajo  de  la  media,  obsérvese  que  hay  75  datos  arriba  de  la  media  y  39  datos  debajo  de  la  
media.    Esto  es  que  la  mediana  y  la  moda  se  encuentran  por  arriba  de  la  media.  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  6  

 
 Apuntes  No.  5-­‐Unida  II  
 
35  

30  

25  

20  

15   Serie2  

10  

5  

0  
1   2   3   4   5   6   7   8   9  
 
 

Coeficiente  de  apuntamiento  o  Kurtosis  (k):  Medida  de  picudez  

Determina  el  grado  de  pronunciamiento  de  la  cúspide  de  la  curva  o  polígono  de  frecuencia  

=  tercer  cuartil  

=  primer  cuartil  

=  noveno  decil  o  percentil  90  

=  primer  decil  o  percentil  10  

El  coeficiente  de  apuntamiento  o  Kurtosis  se  interpreta  como  sigue:  

K=  0.26  se  considera  curva  mesocurtica  (regular)  

K<  0.26  se  considera  curva  leptocurtica  (punta)  

K  >  0.26  se  considera  curva  platicurtica  (plana)  

Dra.  Teresa  Guzmán  Flores,  Probabilidad  y  Estadística  [01-­‐10]   Página  7