Unidad Acadmica del Norte

Estadstica

ESTADSTICA
UNIDAD IV

MEDIDAS DE DISPERSIN
Anteriormente se consideraron las medidas de centralizacin de una distribucin, que nos sirve
para localizar el centro de la distribucin, pero no nos dice como se reparten dispersan los datos a
uno y otro lado del centro. Esta ltima caracterstica de una distribucin se suele llamar DISPERSIN
VARIACIN, la variacin de los valores puede ser medida por varios mtodos.
Una medida de dispersin es importante en dos modos:
Primero, puede ser usada para mostrar el grado de variacin entre los valores en los datos dados.
Ejemplo:
Una muy baja dispersin de los salarios por hora de un grupo de trabajadores por hora en una
fbrica, dar la indicacin que a los trabajadores en la fbrica les son pagados, aproximadamente,
salarios iguales. Pero por otro lado, una alta dispersin dar a un lector la impresin de que los
trabajadores son pagados en una amplia variacin de los salarios por hora.
Segundo, la medida de dispersin puede ser usada para suplementar un promedio para describir
un grupo de datos para comparar un grupo de datos con otro. Cuando la dispersin es alta, el promedio
se vuelve de poca ninguna significacin. Cuando la dispersin es baja, el valor promedio es un valor
altamente representativo. Ejemplo:
La media del grupo de nmeros 1, 2 y 12 es x = 1+2+12 = 5, puesto que 5 no esta cercano a
ningn nmero en el grupo, se espera una alta dispersin.
3
La media del grupo de 4, 5 y 6 es X = 4+5+6 = 5, puesto que 5 esta cercano (o igual) a cada
nmero se espera una baja dispersin.
3
Podemos decir que las medidas de dispersin nos indican si los valores estn relativamente
cercanos uno del otro si se encuentran dispersos.
Las medidas de dispersin ms usuales son: el rango, la desviacin media, la varianza y la
desviacin tpica o estndar.

RANGO RECORRIDO
El rango amplitud es la medida ms sencilla de calcular, pero tambin la ms tosca, el rango
no es otra no es otra cosa ms que la diferencia entre el dato de mayor valor y el de menor valor, y nos
da la variabilidad dispersin de los datos extremos, por lo que a mayor rango mayor variabilidad y a
menor rango menor variabilidad.
El rango es sensible a cambios de los valores extremos (mximo y mnimo) e insensible a
cambios de los valores intermedios. El rango es una burda medida de dispersin ya que no se altera
cuando se cambian algunos valores de los datos intermedios que podran ocasionar el aumento
disminucin de la media.
Nota: Ejemplo, en una situacin donde se desea
R = xn x1 conocer solo la extensin de la dispersin extrema en

M.A.C Ing. Josu Salvador Snchez Rodrguez

condiciones ordinarias.
Ejemplo: Los informes del mercado de acciones se
expresa frecuentemente en trminos de su amplitud
cotizando precios altos y bajos de acciones durante un
periodo de tiempo.

Unidad Acadmica del Norte

Estadstica

Ejemplo:
Encontrar el recorrido de los valores:
1, 4, 8, 9, 10
R = 10 1 = 9

DESVIACIN MEDIA (D. M.)

La desviacin media tambin llamada promedio de desviacin, es la media aritmtica de los
valores absolutos de las desviaciones respecto a la media de la mediana. La mediana se usa a veces
para calcular la desviacin media (que en este caso se llama desviacin mediana), porque la suma de los
valores absolutos de las desviaciones respecto de la mediana es menor que las de las desviaciones
respecto de cualquier otro valor, pero en la practica la media aritmtica es la que se emplea
generalmente.
El recorrido es una medida de dispersin. Esta basada en la posicin de ciertos elementos en una
distribucin. La desviacin media (D.M.) y la desviacin estndar (s) estn basadas en todos los
elementos y estn diseadas para medir las dispersiones alrededor de un promedio.
Desviacin Media Para Datos No Agrupados:
1. Ordenar los datos en orden creciente decreciente de magnitud.
2. Calcular la media aritmtica (x).
3. Encontrar el valor absoluto de las desviaciones de cada valor con respecto a la media aritmtica
(xi x) .
4. Encontrar la suma de los valores absolutos de las desviaciones (xi x) .
5. Dividir esta suma por el nmero de valores (N).

D.M. = (xi x)
N
Ejemplo: Obtener la D.M. de la siguiente serie de nmeros: 68,72,78,84,87,91
x = 68+72+78+84+87+91 = 80
6
D.M. = 68-80 + 72-80 + 78-80 + 84-80 + 87-80 + 91-80
6
D.M. = 12+8+2+4+7+11 = 44
6
6
D.M = 7.33
Desviacin Media Para Datos Agrupados:
Si los datos (x1, x2, ..., xn) se presentan con frecuencias (f1,f2, ..., fn) o sea agrupados en una tabla de
frecuencias, la desviacin media puede obtenerse realizando lo siguiente:
1. Encontrar la media aritmtica de los datos ( x ).
2. Encontrar el valor absoluto de las desviaciones entre las marcas de clase (x) y la media
aritmtica ( x ) . (x x ) .
3. Multiplicar cada una de las desviaciones por la frecuencia correspondiente a su clase f (x - x) .
4. Sumar los resultados del producto obtenido f (x x ) .
5. Dividir la suma obtenida entre el nmero de valores de la distribucin para encontrar la
desviacin media.
La formula es la siguiente:
D.M. = f (xi x)
N
M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

Ejemplo:
x
F
3
2
5
3
7
2
8
2
9
1
10

fx
6
15
14
16
9
60

(x x)
3
1
1
2
3

x = fx = 60 = 6
n 10
x = 6
D.M. = 18 = 1.8
10
D.M. = 1.8

F (x x)
6
3
2
4
3
18

Principales Caractersticas de la Desviacin Media

1. La D.M. esta basada en cada valor de los datos. Por lo tanto da una mejor descripcin de la
dispersin que el recorrido.
2. La D.M. se calcula con respecto a un promedio (ejemplo, la media aritmtica), por lo tanto mide
la dispersin alrededor del promedio, ms bien que la dispersin dentro de ciertos valores, como
lo hace el recorrido.
3. La D.M. ignora el signo positivo negativo de las desviaciones. Esta debilidad crea la demanda
por una medida de dispersin ms confiable: La Desviacin Estndar.

VARIANZA (S2):
Esta es otra medida de dispersin que toma en cuenta todos los datos, y que toma como punto de
referencia la media aritmtica, y con ella se puede eliminar el problema de los signos de las desviaciones
de los nmeros respecto de la media, en vez de no tenerlos en cuenta como en el calculo de la D.M., se
eleva al cuadrado las desviaciones y luego se suman los resultados.
Nota: A veces la desviacin tpica de los datos de una muestra
viene definida con (N-1) en lugar de N en los denominadores,
porque el valor resultante representa un estimador mejor de la
desviacin tpica de una poblacin de la que se ha tomado una
muestra. Para valores grandes de N (por ejemplo N>30)
prcticamente no hay diferencia.

Varianza Para datos no Agrupados:

S2 = (xi x)2
N
Ejemplo: Se desea conocer cual es la varianza de las edades de los hijos de una familia siendo estas:
3, 4, 6, 8, 9, 12
x
3
4
6
8
9
12

x x
-4
-3
-1
1
2
5

(x x)2
16
9
1
1
4
25

M.A.C Ing. Josu Salvador Snchez Rodrguez

Donde: x = x = 42 = 7
n 6
2
s = (x x)2 = 56
N
6
2
s = 9.333

Unidad Acadmica del Norte

Estadstica

56
Varianza Para Datos Agrupados:
S2 = f(xi x)2
N
1. Obtener la x.
2. Restar la x a cada marca de clase (x), obtener su desviacin.
3. Elevar al cuadrado cada una de estas desviaciones.
4. Multiplicar las desviaciones al cuadrado por su respectiva frecuencia.
5. Sumar los productos anteriores.
6. Dividir la suma entre el nmero de valores (N), para obtener la varianza.
Ejemplo:
Obtener la varianza de las calificaciones de un grupo.
X
59
68
77
86
95
385

F
2
6
7
9
6
30

Xf
118
408
539
774
570
2409

x = 2409 = 80.3
30

x x
-21.3
-12.3
-3.3
5.7
14.7

(xx)2
453.69
151.29
10.89
32.49
216.09

f(x-x)2
907.38
907.74
76.23
292.41
1296.54
3480.30

s2 = 3480.30 = 116.01
30
Nota: La varianza tiene una gran aplicacin en anlisis estadstico
avanzado pero tiene el inconveniente de que sus unidades son las
mismas que la variable al cuadrado. La varianza determina el
porcentaje de las variables que no fueron consideradas,
determinando as el grado de variabilidad. Para obtener una medida
de dispersin en las unidades originales simplemente se toma la
raz cuadrada de la varianza y al resultado se conoce como
desviacin estndar.

DESVIACIN TPICA ESTNDAR (S):

Esta es la medida de dispersin ms utilizada en estadstica socio-econmica y es igual a la raz
cuadrada de la varianza, y que a partir de una serie de datos no agrupados se define por la expresin:
s = (x x)2
N
Si los datos estn agrupados la desviacin tpica esta dada por:
s = f(x x)2
N

M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

Ejemplo: Encontrar la desviacin estndar de los valores: 2, 3, 5, 7 y 10.

Valores (x)
(x x)
(x x)2
2
-3.4
11.56
x = 27 = 5.4
3
-2.4
5.76
5
5
-0.4
0.16
s2 = 41.20 = 8.24
7
1.6
2.56
5
10
4.6
21.16
27
41.20

s=

8.24 = 2.87

Ejemplo: Obtener s de los datos siguientes.

x
2
3
4
5
6
8

F
2
2
5
6
2
3
20

fx
4
6
20
30
12
24
96

xx
-2.8
-1.8
-0.8
0.2
1.2
3.2

(x x)2
7.84
3.24
0.64
0.04
1.44
10.24

x = 96/20 = 4.8

f(x x)2
15.68
6.48
3.20
0.24
2.88
30.72
59.20

s = 59.2
20
s = 1.72046

Nota: Se propone obtener la desviacin tpica de la estatura de los 100 estudiantes.

x f
61 5
64 18

S= 2.9197

67 42
70 27
73 8

Principales Caractersticas de la S:
1. Cuando a cada valor de los datos dados se aumenta (o se disminuye) en un nmero fijo, la desviacin
estndar no se afecta. Sin embargo, cuando cada valor de los datos se multiplica ( divide) por un
nmero fijo, la desviacin estndar tambin se multiplica por el nmero fijo. Ejemplo:
Dato Original
Valor x
xx
(x x) 2
1
-2
4
2
-1
1
6
3
9
9
14

C/Valor es Multiplicado por 2

Valor (2)
xx
(x x)2
2
-4
16
4
-2
4
12
6
36
18

x = 9/3 = 3
M.A.C Ing. Josu Salvador Snchez Rodrguez

15

14

56
x = 18/3 = 6

x = 15/3 = 5

Unidad Acadmica del Norte

Estadstica

s = 14/3
s = 56/3 = 4.14/3 = 2 14/3
s = 14/3
El rango, la desviacin media y la desviacin estndar, son medidas de dispersin expresadas en
valores absolutos, son convenientes para describir la dispersin de un solo conjunto de valores. Si dos
conjuntos de valores estn siendo comparados, los valores absolutos son convenientes solamente cuando los
promedios de los dos conjuntos son iguales. Es obvio que la comparacin de dos diferentes unidades, tales
como el nmero de kilmetros comparados con el nmero de pesos, no tiene sentido.
Cuando los promedios son claramente diferentes, aunque las unidades pueden ser las mismas, la
tarea de comparar los grados de dispersin basados en los valores absolutos de los diferentes conjuntos es aun
difcil. Ejemplo:
Nota: El coeficiente es una medida de dispersin
relativa de un conjunto de datos, es un ndice excento
de unidades expresado en porcentajes, sirve para
comparar distribuciones y as determinar cual tiene ms
o menos variabilidad an cuando las unidades sean
diferentes.

Comparacin de Desviaciones Estndar en Valores Absolutos

Conjunto 1: Peso de 3 estudiantes universitarios Conjunto 2: Peso de 3 estudiantes de primaria
Peso en libras (x)
xx
(x x)2
Peso en libras (x)
xx
(x x) 2
160
-40
1600
40
-10
100
200
0
0
45
-5
25
240
40
1600
65
15
225
= 600
= 3200
= 150
= 350
x = 600 = 200
3

x = 150 = 50
3

s = 3200 = 32.66
3

s=

350 = 10.80
3

Las medias de los dos conjuntos son claramente diferentes (200 libras para uno y 50 para otro).
No podemos concluir que las ms alta desviacin estndar (32.66 libras) de el ms alto grado de
dispersin en los pesos de los estudiantes universitarios. La S es significativa solamente en relacin con
la media respecto a la cual se calcula.
Una medida de dispersin expresada en un valor relativo es, por lo tanto, requerida para este
tipo de comparacin.
La medida de dispersin ms comnmente usada expresada en valor relativo es el
COEFICIENTE DE VARIACIN, representado por V. Es el cociente de la desviacin estndar
dividida por la media aritmtica.
CVDE = S
X
del ejercicio anterior

CVDE = 32.66 = 0.1633 = 16.33 % universitarios

200
CVDE = 10.80 = 0.2160 = 21.60 % primaria
50

M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

Por lo tanto la dispersin relativa de los pesos de estudiantes de la escuela primaria es ms

grande que la de los pesos de los estudiantes universitarios.
Similarmente, otra medida de dispersin, expresada en valor relativo, es:
CVDM = Desviacin Media
x
Obviamente, si una de las medidas de dispersin relativa es usada para describir un conjunto de
datos, la misma medida debe ser usada en otro conjunto de datos para comparacin.

EJERCICIO DE PRCTICA:
En la siguiente tabla se presentan las cantidades de 40 prstamos personales utilizados para
financiar la compra de muebles y aparatos elctricos.
Cantidades de 40 Prstamos personales
$ 932
515
452
1 900
1 200
1 278
2 540
586
1 650
1 219

$1 000
554
973
660
720
1 388
851
329
1 423
727

$ 356
1 190
300
1 610
1 525
1 000
1 890
935
592
655

$2 227
954
2 112
445
784
870
630
3 000
334
1 590

Elabore una distribucin de frecuencias con los datos de la tabla.

Calcule la media aritmtica.
La media geomtrica.
La media armnica.
La moda.
La mediana.
Varianza
Desviacin media
Desviacin estndar
Coeficientes de variacin

ASIMETRA Y CURTOSIS
M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

En el caso de que la distribucin sea moderadamente sesgada As 0, existe una relacin

aproximada entre las tres medidas de tendencia central:
media moda = 3 (media mediana)
Es interesante destacar que, en el caso de distribuciones asimtricas con pico muy agudo
(curtosis alta, o sea, una curva leptocrtica), la mediana constituye la medida de tendencia central ms
til y representativa.
La forma de una distribucin de frecuencia se puede describir por: (1) su simetra o falta de ella
(asimetra) y (2) su agudeza (curtosis), veamos ahora el primero de estos conceptos. En la figura se
ilustra la asimetra, o sea el grado de distorsin de una distribucin de frecuencia desde la asimetra
horizontal. El panel (a) describe la curva normal en forma de campana que tiene asimetra cero debido a
que la densidad de frecuencia disminuye por igual en ambas direcciones desde la moda. El panel (b)
muestra el caso de asimetra positiva, as llamada porque la densidad de frecuencia disminuye en forma
ms lenta hacia la derecha de la moda que hacia la izquierda, y porque la cola derecha de la curva de
frecuencia apunta a la direccin positiva a lo largo de eje horizontal (hacia los valores ms grandes de
X). El panel (c), por ltimo, ilustra la asimetra negativa que recibe ese nombre porque la densidad de
frecuencia disminuye en forma ms lenta hacia la izquierda de la moda que hacia la derecha, y porque la
cola izquierda de la curva de frecuencia apunta en la direccin negativa a lo largo del eje horizontal
(hacia valore ms pequeos de X).
Es interesante ver que el tipo de asimetra tiene ciertas implicaciones para las posiciones de la
media, la mediana y la moda. En el caso de asimetra cero, como en el panel (a), la media, la mediana y
la moda coinciden. Cuando la distribucin de frecuencia exhibe asimetra positiva, como el panel (b),
relativamente pocos valores muy grandes elevan la media en forma considerable arriba de la moda; la
mediana, que es menos sensible a valores extremos, muchas veces termina entre la media y la moda.
Cuando la distribucin de frecuencia es de asimetra negativa, como en el panel (c), relativamente pocos
valores muy pequeos bajan la media en forma considerable abajo de la moda; la mediana, otra vez,
termina muchas veces entre la media y la moda. Por tradicin, los expertos en estadstica prefieren usar
la mediana como medida de tendencia central siempre que la distribucin subyacente sea asimtrica.

EL COEFICIENTE DE ASIMETRA
Las diferencias entre media, mediana y moda se pueden usar para crear medidas aritmticas de
asimetra. De entre las medidas de este tipo que existen, la ms til, quiz, es el coeficiente de asimetra
de Pearson, Sk o sk, una medida de asimetra que se concentra en la diferencia entre la moda y la media
y luego la relaciona con la desviacin estndar, como en las formulas que aparecen abajo. El coeficiente
recibe ese nombre en honor de Karl Pearson (1895 1980), un estadstico ingls.
Coeficiente de asimetra de Pearson
Para una poblacin:
Sk = - Mo

Para una muestra:

_
sk = X mo
__
s
en donde o X es la media poblacional o muestral, en tanto que Mo o mo la moda de poblacin o
muestra y la desviacin estndar de la poblacin o muestra.
Forma de una curva de frecuencia: asimetra

M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

Estas grficas ilustran los tres tipos de asimetra. Ntese sus implicaciones para las posiciones
de la media, la mediana y la moda. Mientras estas medidas de tendencia central coinciden en el caso de
asimetra cero, la media es atrada hacia los valores extremos en el caso de asimetra positiva o negativa.
Alejarse desde la cola, y justo como en el diccionario, la media es seguida por la mediana y la moda. Al
igual que el diccionario, la mediana est por lo general ms cerca de la media que la moda; para
distribuciones moderadamente asimtricas, la mediana est como a un tercio de distancia entre la media
y la moda.
(a) Distribucin simtrica: cero asimetra
Densidad de frecuencias relativa

X
Media
Mediana
Moda
(c) Distribucin negativamente asimtrica
Densidad de frecuencias relativa

(b) Distribucin positivamente asimtrica

Densidad de frecuencias relativa

X
Moda

Media

Mediana

X
Media

Moda
Mediana

Como indica el panel (a) de la figura, la media es igual a la moda para una distribucin
simtrica, as, el coeficiente de asimetra de Pearson es igual a cero porque - Mo = 0. Como muestra el
panel (b), la media excede a la moda para una distribucin asimtrica positivamente, por ello, el
coeficiente de asimetra termina positivo, > Mo. Del mismo modo, como se muestra en el panel (c), la
media est abajo de la moda de distribuciones asimtricas negativamente, el coeficiente de asimetra es,
en consecuencia, negativo porque < Mo.

M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica
CUIDADO

A veces la diferencia, multiplicada por tres, entre la media y la mediana es sustituida en las
frmulas anteriores por la diferencia entre la media. Para distribuciones moderadamente asimtricas, esta
sustitucin dar casi el mismo resultado que las frmulas anteriores porque, como muestra la figura la
distancia entre media y mediana es igual entonces a casi un tercio de la que hay entre media y moda. Por
lo tanto, para la poblacin de las cantidades de utilidad de la tabla 2.2, el coeficiente de asimetra pudiera
calcularse como
Sk = 3(786.62 533.5) = 759.36 = .90 millones de dlares.
839.29
839.29
El resultado indica asimetra positiva.

MEDIDAS DE FORMA: CURTOSIS

El grado de agudeza de una curva de frecuencia, o curtosis, se ilustra en la siguiente figura y se
mide por el coeficiente de curtosis, descrito a continuacin.
Coeficiente de curtosis
De datos no agrupados
Para una poblacin:

Para una muestra:

(X - )4
K=
N___
4
__
(X - X)4
K=
n___
s4

en donde Xs son los valores de muestra o de poblacin observados ( con siendo la media poblacional
y X la media muestral), mientras que N es el tamao poblacional, n el tamao muestral, 4 el cuadrado
de la varianza poblacional y s4 el cuadrado de la varianza muestral.
De datos agrupados
Sustituir numeradores por f(X - )4 o f(X - X)4 , respectivamente, en donde X y f representan puntos

f
medios de clase y frecuencias de clase.

La figura ilustra tipos de curtosis. Las curvas de frecuencias con una curtosis de tres se
denominan mesocrticas, las de valores ms grandes son ms agudas y se llaman leptocrticas, las de
valores ms pequeos son ms planas y se denominan platicrticas. Si se aproxima el valor de K desde
los datos de utilidad agrupados en la tabla 3.6 el resultado es 7.51, lo que sugiere una distribucin
leptocrtica, como confirma el panel (b) de la figura 2.3. Igual que el coeficiente de variacin, tanto el
coeficiente de asimetra como el de curtosis se expresan como nmeros puros, en consecuencia, se
pueden comparar con facilidad distribuciones diferentes con respecto a su grado de asimetra o curtosis.
M.A.C Ing. Josu Salvador Snchez Rodrguez

Unidad Acadmica del Norte

Estadstica

Forma de una curva de frecuencias: Curtosis

Esta grfica ilustra tres tipos bsicos de curtosis.

Densidad de frecuencias relativa

Leptocrtica

Mesocrtica
Platicrtica
X
Media
Mediana
Moda

RELACIN ENTRE MEDIA Y MEDIANA

En toda distribucin simtrica, media, mediana y moda coinciden en valor (vase
figura a). En una distribucin asimtrica positiva, la media siempre es mayor que la
mediana (vase figura b). En una distribucin asimtrica negativa, la media siempre es
menor que la mediana (vase figura c). Estas dos ltimas relaciones son siempre
verdaderas, independientemente de que la distribucin sea unimodal o no. Una medida de
asimetra en estadstica, basada en la diferencia entre los valores de la media y la mediana
de un grupo de valores, es el coeficiente de asimetra de Pearson.
f
Moda
Mediana
Media

M.A.C Ing. Josu Salvador Snchez Rodrguez

Moda
Media
Mediana

f
Mediana
Media
Moda

Unidad Acadmica del Norte

Estadstica

x
a) Simtrica
c)Asimtrica negativa

b) Asimtrica positiva

COEFICIENTE DE ASIMETRA DE PEARSON

El coeficiente de asimetra de Pearson mide la desviacin respecto de la
simetra expresando la diferencia entre la media y la mediana en relacin con la
desviacin estndar del grupo de medidas. Las frmulas son:
Asimetra de la poblacin = 3( Med)

_
Asimetra de la muestra = 3(X Med)
s
En una distribucin simtrica, el valor del coeficiente de asimetra ser
siempre de cero, porque la media y la mediana son iguales entre s en valor. En
una distribucin asimtrica positiva, la media siempre es mayor que la mediana;
en consecuencia, el valor del coeficiente es positivo. En una distribucin asimtrica
negativa, la media siempre es menor que la mediana; por lo tanto, el valor del
coeficiente es negativo.
EJEMPLO:
En relacin con los datos de ventas de equipos de aire acondicionado
presentados en el ejemplo 2, la media es 10.5 unidades, la mediana 11.0 unidades
y la desviacin estndar 3.3 unidades.
El coeficiente de asimetra es
Asimetra = 3( Med) = 3(10.5 11.0) = - 0.45

3.3
As, la distribucin de cantidades de ventas en cierto modo asimtrica negativa, o sesgada a la izquierda.

M.A.C Ing. Josu Salvador Snchez Rodrguez