DESVIACIN ESTNDAR La desviacin estndar o desviacin tpica es la raz cuadrada de la varianza.

Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de desviacin. La desviacin estndar se representa por .

Desviacin estndar para datos agrupados

Para simplificar el clculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Desviacin estndar para datos agrupados

Ejercicios Calcular la desviacin estndar de la distribucin: 9, 3, 8, 8, 9, 8, 9, 18

Calcular la desviacin tpica de la distribucin de la tabla: xi [10, 20) [20, 30) [30,40) [40, 50) [50, 60) 15 25 35 45 55 fi 1 8 10 9 8 xi fi 15 200 350 405 440 xi2 fi 225 5000 12 250 18 225 24 200

[60,70) [70, 80)

65 75

4 2 42

260 150 1 820

16 900 11 250 88 050

Propiedades de la desviacin estndar 1 La desviacin estndar ser siempre un valor positivo o cero, en el caso de que las puntuaciones sean iguales. 2 Si a todos los valores de la variable se les suma un nmero la desviacin estndar no vara. 3 Si todos los valores de la variable se multiplican por un nmero la desviacin estndar queda multiplicada por dicho nmero. 4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas desviaciones estndar se puede calcular la desviacin estndar total. Si todas las muestras tienen el mismo tamao:

Si las muestras tienen distinto tamao:

Observaciones sobre desviacin la estndar 1 La desviacin estndar, al igual que la media y la varianza, es un ndice muy sensible a las puntuaciones extremas. 2 En los casos que no se pueda hallar la media tampoco ser posible hallar la desviacin estndar. 3 Cuanta ms pequea sea la desviacin estndar mayor ser la concentracin de datosalrededor de la media. 1. VARIANZA Esta medida nos permite identificar la diferencia promedio que hay entre cada uno de los valores respecto a su punto central (Media ). Este promedio es calculado, elevando cada una de las diferencias al cuadrado (Con el fin de eliminar los signosnegativos), y calculando su promedio o media; es decir, sumado todos los cuadrados de las diferencias de cada valor respecto a la media y dividiendo este resultado por el nmero de observaciones que se tengan. Si la varianza es calculada a una poblacin (Total de componentes de un conjunto), la ecuacin sera:

Ecuacin 5-6 Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa la media poblacional y (N) es el nmero de observaciones tamao de la poblacin. En el caso que estemos trabajando con una muestra la ecuacin que se debe emplear es:

Ecuacin 5-7 Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, ( ) representa la media de la muestra y (n) es el nmero de observaciones tamao de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta uno al tamao de la muestra; esto se hace con el objetivo de aplicar una pequea medida de correccin a la varianza, intentando hacerla ms representativa para la poblacin. Es necesario resaltar que la varianza nos da como resultado elpromedio de la desviacin, pero este valor se encuentra elevado al cuadrado. 2. Desviacin estndar o Tpica Esta medida nos permite determinar el promedio aritmtico de fluctuacin de los datos respecto a su punto central o media. La desviacin estndar nos da como resultado un valor numrico que representa el promedio de diferencia que hay entre los datos y la media. Para calcular la desviacin estndar basta con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:

Ecuacin 5-8 Para comprender el concepto de las medidas de distribucin vamos a suponer que el gerente de una empresa de alimentos desea saber que tanto varan los pesos de los empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente. Por lo que su media es:

La varianza sera:

Por lo tanto la desviacin estndar sera: Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta informacin le permite al gerente determinar cunto es el promedio de perdidas causado por el exceso de peso en los empaques y le da las bases para tomar los correctivos necesarios en el proceso de empacado.

EJERCICIOS RESUELTOS DE LA DESVIACIN TPICA 1.Hallar la desviacin media, la varianza y la desviacin tpica de la series de nmeros siguientes: 2, 3, 6, 8, 11. 12, 6, 7, 3, 15, 10, 18, 5. 2, 3, 6, 8, 11. Media

Desviacin tpica

12, 6, 7, 3, 15, 10, 18, 5. Media

Desviacin tpica

2.Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 nios de su consulta en el momento de andar por primera vez: Meses Nios 9 1 10 4 11 9 12 16 13 11 14 8 15 1 Calcular la desviacin tpica. xi 9 10 11 12 13 14 15 fi 1 4 9 16 11 8 1 50 Ni 1 5 14 30 41 49 50 xi fi 9 40 99 192 143 112 15 610 x i fi 81 400 1089 2304 1859 1568 225 7526

3.El resultado de lanzar dos dados 120 v eces viene dado por la tabla: Sumas 2 3 4 5 6 7 8 9 10 11 Veces 3 8 9 11 20 19 16 13 11 6 4 Calcular la desviacin tpica. xi fi xi fi xi 2 fi 2 3 6 12 3 8 24 72

12

4 5 6 7 8 9 10 11 12

9 11 20 19 16 13 11 6 4 120

36 55 120 133 128 117 110 66 48 843

144 275 720 931 1024 1053 1100 726 576 6633

4.Calcular la desviacin tpica siguiente tabla: [10, 15) [15, 20) fi 3 5 xi fi [10, 15) 12.5 3 [15, 20) 17.5 5 [20, 25) 22.5 7 [25, 30) 27.5 4 [30, 35) 32.5 2 21 Media

de una distribucin estadstica que viene dada por la [20, 25) 7 xi fi 37.5 87.5 157.5 110 65 457.5 [25, 30) 4 2 xi fi 468.75 1537.3 3543.8 3025 2112.5 10681.25 [30, 35) 2

Desviacin tpica

5.Calcular la desviacin xi fi [10, 20) 15 1 [20, 30) 25 8 [30,40) 35 10 [40, 50) 45 9 [50, 60) 55 8 [60,70) 65 4 [70, 80) 75 2 42

tpica de la distribucin de la tabla: xi fi xi 2 fi 15 225 200 5000 350 12 250 405 18 225 440 24 200 260 16 900 150 11 250 1 820 88 050

6.Las alturas de los jugadores Altura [170, 175) [175, N de jugadores 1 Calcular la desviacin tpica xi fi [1.70, 1.75) 1.725 1 [1.75, 1.80) 1.775 3 [1.80, 1.85) 1.825 4

de un equipo de baloncesto vienen dadas por la tabla: 180) [180, 185) [185, 190) [190, 195) [195, 2.00) 3 4 8 5 2 Fi 1 4 8 xi fi 1.725 5.325 7.3 xi 2 fi 2.976 9.453 13.324

[1.85, 1.90) 1.875 [1.90, 1.95) 1.925 [1.95, 2.00) 1.975 Media

8 5 2 23

16 21 23

15 9.625 3.95 42.925

28.128 18.53 7.802 80.213

Desviacin tpica

7.Dada la distribucin estadstica: [0, 5) [5, 10) [10, 15) [15, 20) [20, 25) [25, ) fi 3 5 7 8 2 6 Calcular la desviacin tpica. xi fi Fi [0, 5) 2.5 3 3 [5, 10) 7.5 5 8 [10, 15) 12.5 7 15 [15, 20) 17.5 8 23 [20, 25) 22.5 2 25 [25, ) 6 31 31 Media No se puede calcular la media, porque no se puede hallar la marca de clase del ltimo intervalo. Medidas de Distibucin - Asimetra y Curtosis Las medidas de distribucin nos permiten identificar la forma en que se separan o aglomeran los valores de acuerdo a su representacin grfica. Estas medidas describen la manera como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen dentro de la informacin. Su utilidad radica en la posibilidad de identificar las caractersticas de la distribucin sin necesidad de generar el grfico. Sus principales medidas son la Asimetra y la Curtosis. 1. ASIMETRA Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media aritmtica). La asimetra presenta tres estados diferentes [Fig.5-1], cada uno de los cuales define de forma concisa como estn distribuidos los datos respecto al eje de asimetra. Se dice que la asimetra es positiva cuando la mayora de los datos se encuentran por encima del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce comoasimetra negativa cuando la mayor cantidad de datos se aglomeran en los valores menores que la media.

Figura 5-1

El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,

Ecuacin 5-9 Donde (g1) representa el coeficiente de asimetra de Fisher, (Xi) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultadosde esta ecuacin se interpretan:

(g1 = 0): Se acepta que la distribucin es Simtrica, es decir, existe aproximadamente la misma cantidad de valores a los dos lados de la media. Este valor es difcil de conseguir por lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos ( 0.5). (g1 > 0): La curva es asimtricamente positiva por lo que los valores se tienden a reunir ms en la parte izquierda que en la derecha de la media. (g1 < 0): La curva es asimtricamente negativa por lo que los valores se tienden a reunir ms en la parte derecha de la media.

Desde luego entre mayor sea el nmero (Positivo o Negativo), mayor ser la distancia que separa la aglomeracin de los valores con respecto a la media. 2. CURTOSIS Esta medida determina el grado de concentracin que presentan los valores en la regin central de la distribucin. Por medio del Coeficiente de Curtosis, podemos identificar si existe una gran concentracin de valores (Leptocrtica), una concentracin normal (Mesocrtica) una baja concentracin (Platicrtica).

Figura 5-2 Para calcular el coeficiente de Curtosis se utiliza la ecuacin:

Ecuacion 5-10 Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta frmula se interpretan:

(g2 = 0) la distribucin es Mesocrtica: Al igual que en la asimetra es bastante difcil encontrar un coeficiente de Curtosis de cero (0), por lo que se suelen aceptar los valores cercanos ( 0.5 aprox.).

(g2 > 0) la distribucin es Leptocrtica (g2 < 0) la distribucin es Platicrtica

Cuando la distribucin de los datos cuenta con un coeficiente de asimetra (g1 = 0.5) y un coeficiente de Curtosis de (g2 = 0.5), se le denomina Curva Normal. Este criterio es de suma importancia ya que para la mayora de los procedimientos de la estadstica de inferencia se requiere que los datos se distribuyan normalmente. La principal ventaja de la distribucin normal radica en el supuesto que el 95% de los valores se encuentra dentro de una distancia de dos desviaciones estndar de la media aritmtica (Fig.5-3); es decir, si tomamos la media y le sumamos dos veces la desviacin y despus le restamos a la media dos desviaciones, el 95% de los casos se encontrara dentro del rango que compongan estos valores.

Figura 5-3 Desde luego, los conceptos vistos hasta aqu, son slo una pequea introduccin a las principales medidas de Estadstica Descriptiva; es de gran importancia que los lectores profundicen en estos temas ya que la principal dificultad del paquete SPSSradica en el desconocimiento de los conceptos estadsticos. Las definiciones plasmadas en este captulo han sido extradas de los librosEstadstica para administradores escrito por Alan Wester de la editorial McGraw-Hill y el libro Estadstica y Muestreo escrito por Ciro Martnez editorial Ecoe editores (Octava edicin). No necesariamente tienes que guiarte por estos libros ya que en las libreras encontraras una gran variedad de textos que pueden ser de bastante utilidad en la introduccin a esta ciencia.