ESTADISTICA BASICA

Tema 5: Medidas de Dispersin

Enzo Aldo Bravo Burgos

Medidas de dispersin, variacin o
variabilidad.

Son valores numricos que indican o

describen la forma en que las
observaciones estn dispersas o
diseminadas, con respecto al valor
central.
Medidas de dispersin, variacin o
variabilidad.

Son importantes debido a que dos muestras de

observaciones con el mismo valor central pueden tener
una variabilidad muy distinta.
Medidas de dispersin, variacin o
variabilidad.

Rango.
Varianza.
Desviacin Tpica.
Coeficiente de variacin.
Medidas de dispersin: Rango

Rango (amplitud o recorrido):

Est determinado por los dos valores
extremos de los datos muestrales, es
simplemente la diferencia entre la
mayor y menor observacin.
Es una medida de dispersin absoluta,
ya que depende solamente de los
datos y permite conocer la mxima
dispersin.
Medidas de dispersin: Rango

Casi no se emplea debido a que depende

nicamente de dos valores.
No proporciona una medida de variabilidad de
las observaciones con respecto al centro de la
distribucin.
Notacin: R
Medidas de dispersin: Varianza

Es un valor numrico que mide el grado de

dispersin relativa porque depende de la
posicin de los datos x1,x2,,xn con respecto a
la media.
Es el promedio al cuadrado de las desviaciones
de cada observacin con respecto a la media.
Notacin: s2, 2, var(X)
Medidas de dispersin: Varianza

Si la varianza de un conjunto de
observaciones es grande se dice que los
datos tiene una mayor variabilidad que un
conjunto de datos que tenga un varianza
menor.
x x
n
2
i
Para datos NO s2 i 1

agrupados: n
n

i
x 2
2
s
2 i 1
x
n
Medidas de dispersin: Varianza

Para datos agrupados en una distribucin de

frecuencias:

k

ix x 2
fi
s2 i 1
n
k

i fi
x 2

s2 i 1
x
2

n
Medidas de dispersin: Desviacin Tpica

Es la raz cuadrada de la varianza.

Notacin: s, .

s s 2
Medidas de dispersin: Coeficiente de
Variacin

Es una medida de dispersin relativa que

permite comparar el nivel de dispersin de
dos muestras de variables estadsticas
diferentes.
No tiene dimensiones.
Notacin: CV

s
CV 100%
x
Ejemplo: La siguiente tabla muestra la inversin anual de 40 empresas.

Inversin anual xi fi xi*fi (xi - x)2*fi (xi - x)4*fi

4 10 7 1 7 392.04 153695.362

10 16 13 3 39 571.32 108802.181

16 22 19 6 114 365.04 22209.0336

22 28 25 12 300 38.88 125.9712

28 34 31 11 341 194.04 3422.8656

34 40 37 5 185 520.2 54121.608

40 46 43 2 86 524.88 137749.507

Total n = 40 1072 2606.4 480126.528

Ttulo: Inversin anual de empresas

Unidades: miles de dlares.
Ventajas y Desventajas del Rango

Ventajas:
til cuando se quiere conocer la extensin de
las variaciones extremas (valor mximo de la
dispersin).
Fcil de calcular.
Ventajas y Desventajas del Rango

Desventajas:
No es una MD con respecto al centro de la
distribucin.
Solo emplea dos valores en su clculo.
No se puede calcular en distribuciones de lmite
de clase abierto.
Propiedades, Ventajas y Desventajas de la
Varianza

Propiedades:
1. Siempre es mayor o igual a cero y menor que
infinito.
2. La varianza de una constante es cero.
3. Si a una variable X la sometemos a Y=a+bX, la
varianza de Y ser Var(Y) = b2Var(X)
Propiedades, Ventajas y Desventajas de la
Varianza

Ventajas:
Es til cuando se compara la variabilidad de dos o
ms conjuntos de datos.
Utiliza toda la informacin disponible.
Desventajas:
No proporciona ayuda inmediata cuando se estudia
la dispersin de un solo conjunto de datos.
Difcil de interpretar por tener sus unidades elevadas
al cuadrado.
Ventajas y Desventajas de la Desviacin
Tpica

Ventajas:
Esta expresada en las mismas unidades que la
variable en estudio.
Utiliza todas las observaciones en su clculo.
Fcil de interpretar.
Desventajas:
No tiene.
Ventajas y Desventajas del Coeficiente de
Variacin

Ventajas:
Es la nica MD que permite comparar el nivel
de dispersin de dos muestras de variables
diferentes.
Emplea toda la informacin disponible en su
clculo.
Fcil de calcular.
Ventajas y Desventajas del Coeficiente de
Variacin

Desventaja:
No es una MD con respecto al centro de la
distribucin de los datos.
Medidas de Forma

Son medidas numricas que permiten

determinar la forma que tiene la curva de los
datos, por lo tanto, sirven para corroborar lo
que los grficos muestran.
Coeficiente de Pearson
-Asimetra Coeficiente de Fisher
Medidas
de forma -Kurtosis o apuntamiento
Medidas de Forma: Asimetra

Permiten estudiar la forma de la curva, dependiendo de

cmo se agrupan los datos.
Medidas de Forma: Asimetra

Coeficiente de Asimetra de Pearson:

Fcil de calcular e interpretar.
Clculo:

ASP
X Md
ASP2
3 X Me
1
s s
o Interpretacin:
= 0, X=Md Simtrica

ASP > 0, X>Md Asimtrica Positiva

< 0, X<Md Asimtrica Negativa

Medidas de Forma: Asimetra

Coeficiente de Asimetra de Fisher:

No es de fcil clculo, pero si su
interpretacin.

x X
n
3
i
ASF i 1
3
Datos NO agrupados
ns

M
k
3
i x fi
ASF i 1 Datos Agrupados
ns 3
Medidas de Forma: Asimetra

o Interpretacin:
= 0, Simtrica

ASF > 0, Asimtrica Positiva

< 0, Asimtrica Negativa

Medidas de Forma: Kurtosis

Miden si los valores de la distribucin estn ms

o menos concentrados alrededor de los valores
medios de la muestra (zona central de la
distribucin).
Se definen tres tipos de distribucin segn su
grado de Kurtosis:
Medidas de Forma: Kurtosis

Mesocrtica: grado de concentracin medio

alrededor de los valores centrales de la
variable.
Leptocrtica: grado de concentracin
elevado.
Platicrtica: grado de concentracin
reducido.
Medidas de Forma: Kurtosis

n

ix X 4

K i 1
4
3 Datos No Agrupados
ns
k

i
M X 4
fi
K i 1
4
3 Datos Agrupados
ns

Interpretacin:

=0 Mesocrtica

K >0 Leptocrtica

<0 Platicrtica
Medidas de Forma: Kurtosis

Basado en Percentiles
P P
K 75 25 0.5
P90 P10

Interpretacin:

Tiende a 0 Mesocrtica

K Tiende a 0.5 Leptocrtica

Tiende a -0.5 Platicrtica