Medidas de Dispersin

Los estudiantes de estadstica reciben diferentes

calificaciones en la asignatura (variabilidad). A qu
puede deberse?
Diferencias individuales en el conocimiento de la
materia.
Podra haber otras razones (fuentes de variabilidad)?
Por ejemplo supongamos que todos los alumnos
poseen el mismo nivel de conocimiento. Las notas
seran las mismas en todos? Seguramente No.
Horas de estudio adicionales.
Tiempo de adquisicin de experiencias, marcar
diferencias individuales en la habilidad para hacer un
examen.
El examen no es una medida perfecta del conocimiento.
Variabilidad por error de medida.
En alguna pregunta difcil, se duda entre varias
opciones, y al azar se elige la mala.
Variabilidad por azar, aleatoriedad.
1
Observaciones
El concepto de variabilidad est instalado en el centro de la
estadstica como disciplina, ya que a travs de sus herramientas
podemos cuantificar, entender, y explicar las diferentes fuentes de
variabilidad en un problema dado.
Nada que no tenga variabilidad podra ser de inters en este
contexto, ya que el estudiar un solo objeto o un solo individuo sera
suficiente para dar respuesta a todas nuestras preguntas
Variabilidad Entre-Sujetos: Ejemplo: Los clientes por su edad
tienen comportamientos, hbitos de compras, caractersticas y
gustos distintos. Una forma de visualizar la variabilidad es
observando como se distribuyen los clientes en cuanto a
comportamiento, hbitos de compras, caractersticas y gustos
distintos.
Variabilidad lntra-Sujetos: Ejemplo: Los clientes de un mismo
grupo de edad pueden variar en gustos y preferencias.

2
 Variabilidad muestral:
Se introduce al estudiar una muestra de la poblacin. En muchas
investigaciones de mercado al estudiar una poblacin objetivo
mediante una encuesta, debemos hacerlo a travs de una muestra.

Supongamos que hemos tomado una muestra representativa de la

poblacin, es decir, que ha sido elegida aleatoriamente de ella. En
ese escenario, los resultados del anlisis de la encuesta en nuestra
muestra arrojarn valores distintos, cuantificablemente distintos, a los
valores que arrojaran en otra muestra de la misma poblacin. Incluso
usando el mismo mecanismo o esquema de muestreo. A esta fuente
de variabilidad la llamamos variabilidad muestra!, y es el tema central
de la inferencia estadstica.

3
 Medidas de Dispersin Absoluta
Miden el grado de dispersin (variabilidad) de los datos,
independientemente de su causa.

Desviacin Absoluta Media

La desviacin absoluta media con respecto a la Mediana
(Me), se define como:
1 k
D Me = X i Me f i
n i =1

La desviacin absoluta media con respecto a la Media, se

define como: k
1
DX =
n i =1
X i X fi

4
Ejemplo:

Solucin

5
Varianza Muestral: Se define como:
( )
k k
1 1
i i i
2
s2 = X X f i = X 2
* f X 2

n i =1 n i =1
Es sensible a valores extremos (alejados de la media).

Desviacin Tpica Muestral: Se define como la raz cuadrada

positiva de la varianza: Se expresa en las misma unidad de la
variable original (S)
s=+ s
2

Varianza Insesgada de Cochran: Se define como:

s =
2 1 k

n 1 i =1
( X i X ) * fi
2

La referencia ms apropiada, ptima para la varianza, es la media aritmtica,

por ser el centro de gravedad de la distribucin.
6
 Varianza :
Poblacin Muestra
N

(x )
2 n

(x x)
i 2

2 = i =1 i

N S2 = i =1

n 1

1 n 2 2
equivalente S =
2
i
n 1 i =1
x n x

Desviacin Estndar :
Poblacin Muestra

= 2 S = S2

7
Ejemplo:

8
Solucin
s ' = (X i X ) f i
2 1 k 2
Primera forma: n i =1

9
 1 k
Segunda forma: s ' = X i2 * f i X 2
2

n i =1

10
Propiedades de la varianza

1. La varianza y la desviacin tpica son valores

esencialmente positivos.
2. Ni la varianza ni la desviacin tpica se alteran
cuando a los datos se les aade una constante a.

Yi= a + X i Entonces, sabemos que Y= a + X

11
 3. Si los datos se multiplican por una constante a
cualquiera, la varianza queda multiplicado por el
cuadrado de dicha constante

Yi = aX i Y = aX
n 2 n 2 n 2

(Y Y )
i ( aX
i aX ) a 2
( X i X ))
=2
ys =
i 1 =i 1
= =i 1
= a 2 sx2
n n n

12
4. Dados k grupos con n1, n2, ..., nk observaciones
con medias X 1 , X 2 ,..., X k y con varianzas s12 , s22,...., sk2
media ponderada de varianza ponderada
las varianzas de las medias
parciales parciales

n s n (X XT )
k k
2 2
j j j j
= j 1 =j 1
=s 2
T +
n n
S2w :intra-grupos S2b :entre-grupos

Componentes de varianza

13
Observacin
Hay que indicar que la desviacin tpica no es una medida robusta
de la dispersin. El hecho de que se calcule evaluando los
cuadrados de las desviaciones hace que sea muy sensible a
observaciones extremas, bastante ms que la desviacin media
(dado que aparece un cuadrado).

En definitiva, la desviacin tpica no es una buena medida de

dispersin cuando se tiene algn dato muy alejado de la media. El
rango intercuartlico nos dara en ese caso una idea ms
aproximada de cul es la dispersin de los datos.

El que la desviacin tpica sea la medida de dispersin ms

comn se debe a su ntima conexin con la distribucin normal.

14
Ejemplo:

Solucin

15
Ejemplo:
Tasas de retorno de dos fondos de inversiones durante 10 aos
Cual de los dos es ms riesgoso?
Fondo A: 8.3, -6.2, 20.9, -2.7, 33.6, 42.9, 24.4, 5.2, 3.1, 30.05
Fondo B: 12.1, -2.8, 6.4, 12.2, 27.8, 25.3, 18.2, 10.7, -1.3, 11.4

Solucin
Fondo A: 8.3, -6.2, 20.9, -2.7, 33.6, 42.9, 24.4, 5.2, 3.1, 30.05
Media: 14.6 Desvo estndar: 16.74
Fondo B: 12.1, -2.8, 6.4, 12.2, 27.8, 25.3, 18.2, 10.7, -1.3, 11.4
Media: 11.75 Desvo estndar: 9.97
El fondo A es mas riesgoso dado que su desvo estndar es
mayor.

16
Rango o recorrido:de X,

se define como: Rg(X) = Max xi - Min xi

2, 1, 4, 3, 8, 4. El rango es 8-1=7

Es muy sensible a los valores extremos.

Recorrido Intercuartlico:
El Intervalo Intercuartlico de X, se encuentra: [ Q1 , Q3 ]
(50 % de las observaciones ms centradas)
El rango Intercuartlico de X, se define como: IQR = Q3 Q1

No es tan sensible a valores extremos. Es una medida adecuada para el

caso en que se desee que determinadas observaciones extremas no
intervengan, evitndose, de este modo, una visin sesgada de la
variabilidad de la distribucin. Como inconveniente principal tiene que en
su confeccin slo intervienen el 50% de los valores centrales. 17
Desviacin cuartil y cajas de dispersin:

La desviacin cuartil: mide la dispersin del 50% de las observaciones

centrales respecto a su mediana. Se denota por Q y de define como la
diferencia entre el tercer y el primer cuartil entre 2. Es decir,

Q = (Q3 - Q1) / 2

Si la distribucin es muy asimtrica, el rango intercuartil o

(semiintercuartil) es preferible a la desviacin estndar como medida de
la dispersin o cuando la mediana haya sido empleada como medida
adecuada de tendencia central..

18
Ejemplo:

Solucin

19
Ejemplo
Considrese el conjunto de notas:
15, 45, 47, 53, 58, 58, 60, 62, 67, 74, 75, 78, 80, 80,
81, 85, 85, 85, 90, 92
Obtener la desviacin cuartil

Solucin
Los cuartiles son:
Q1 = 58, Q2 = Me = 74.5 y Q3 = 83

Entonces la desviacin cuartil es

Q = (83 58) 2 = 12.5
En un intervalo de 87 62
As, las notas se encuentran entre = 25 puntos, se encuentra
74.5 12.5 = 62 y 74.5 + 12.5 = 87. el 50% de las notas.

20
Ejercicio
Construir un diagrama de cajas para el ejemplo anterior de 20
notas.

Solucin
Cuartiles:
Q1 = 58, Q2 = Me = 74.5, Q3 = 83
Desviacin cuartil:
Q = 12.5.
Lmite inferior permitido:
a = Q1 2Q = 58 25 = 33
Lmite superior permitido: a
b = Q3 + 2Q = 83 + 25 = 108
Valor ms pequeo normal: xa = 45 > 33
Valor ms grande normal: xb = 92 < 108.
21
Ejemplo:
La distribucin salarial en una empresa es como sigue:
Categora Tamao Media Varianza
laboral
Obreros 300 400 160000

Administrativos 100 400 160000

Tcnicos 100 500 40000

Es la categorizacin laboral quien determina promedios salariales

diferentes?
Solucin
Media global = 420 S2w= 136000 > S2b= 1600
La categorizacin laboral no determina salarios distintos.
22
 Medida de Dispersin Relativa
Coeficiente de Variacin de Pearson:
Es la razn entre la desviacin tpica y la media. Mide la
desviacin tpica en forma de qu tamao tiene con
respecto a la media S
CVx = x100
X

Si X = 0 no se usara el CVx o cuando el valor cero es fijado

arbitrariamente.
CVx no cambia si utilizamos escalas distintas.
til para comparar caractersticas con diferentes escalas de
medicin (no tiene unidad de medida, es adimensional).
Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos
presentan ms dispersin en peso que en altura.
23
Ejemplo:

El coeficiente de variacin de un conjunto de datos es:

El bajo valor del coeficiente de variacin indica que los valores estn muy
concentrados y que la media representa aceptablemente al conjunto de la
distribucin.

En general, valores de CV menores a 0,1 indican una alta concentracin,

entre 01 y 05 una concentracin media y valores superiores a 05 una alta
dispersin y una media poco o nada representativa.
Propiedades del coeficiente de variacin

25
Ejemplo:

Solucin

CV=(5/28)+100=20.83%
26
Desigualdad de Chebyshev

Ejemplo

27
 Ejercicios resueltos
Ejercicio 1:
A partir del cuadro adjunto donde se muestra datos organizados en
intervalos de clase:

a) Construir un grfico apropiado.

b) Calcular sus medidas de centralidad relevantes.
c) Caracterizar la distribucin por sus medidas de variabilidad.

28
 Histograma de frecuencias
Solucin

a)

Polgono de frecuencias acumuladas

Las zonas de mayor pendiente en

este diagrama corresponden a las
zonas ms altas en el histograma

29
b)

30
31
c)

32
Ejercicio 2:
En una compaa area se sabe que, por trmino medio, el 65% de los
vuelos tiene retraso. La distribucin de los vuelos retrasados es la
siguiente:

Duracin del
retraso Nmero de
(centsimas de vuelos
hora) retrasados
00 - 10 2000
10 - 20 3000
20 - 30 2500
30 - 50 2000
50 -100 500

33
Se pide:
a) Determinar el retraso medio y la desviacin tpica del tiempo de
retraso para los vuelos retrasados.
b) Determinar el percentil del 60% e interpretarlo.
c) La compaa ha determinado que por cada vuelo con retraso se
producen unas prdidas fijas de 17000 u.m. y unas prdidas variables
de 10000 u.m. por cada minuto de retraso. Entre qu cantidades se
encuentran al menos las tres cuartas partes de las prdidas generadas
por cada vuelo retrasado? Analizar la heterogeneidad de los datos en
cada caso.
d) Resolver el apartado (a) para el total de los vuelos. Es
representativa la nueva media? En caso negativo propones
razonadamente otra medida de centralizacin.

34
Solucin
a) Sea la variable estadstica X: tiempo de retraso de un vuelo
retrasado, y consideremos la tabla de frecuencias siguiente obtenida a
partir de la dada con las marcas de clase

xi 5 15 25 40 75
hi 0.2 0.3 0.25 0.2 0.05

35
b) De la tabla de frecuencias acumuladas siguiente

As P60 = 24 centsimas de hora y significa que el 60% de los vuelos

retrasados (con menos tiempo de retraso) han tenido un retraso por
debajo de 24 centsimas de hora y el 40% restante de vuelos han
tenido retrasos por encima de este valor. .

36
c) Sea la variable estadstica Y: prdidas que se producen por un vuelo
con retraso, se verifica que

37
 el coeficiente de variacin:

d) Al considerar el total de los vuelos hay que modificar la tabla anterior

X* i 0 5 15 25 40 75
hi 0.35 0.13 0.195 0.1625 0.13 0.0325

38
Ejercicio:
Se ha realizado una estadstica en el Mercado sobre los gastos al menudeo
(u.m.) que una familia tiene cuando realiza sus compras un da cualquiera de la
semana. Este estudio nos aporta la siguiente tabla:

Intervalos Frecuencias
0-5 1000
5-10 1100
10-20 1600
20-50 1000
50-100 300

39
Se pide:
a) Cul es el motivo por el que los datos se presentan en intervalos?
b) Te parece coherentes los datos de la tabla, o bien tendras que
estudiar su procedencia antes de continuar el estudio?
c) Halla el gasto medio, modal y mediano de cada familia.
d) Si a todas las familias que gastan ms de 40 u.m., se les obsequia
con una cafetera, valorada en 2.5 u.m. Hallar el porcentaje de
clientes que se benefician de ellos.
e) Hallar el primer cuartil. Qu significado tiene?
f) Estudiar la representatividad del gasto medio. Es representativa?
Por qu?
g) Analizar la variabilidad de los datos.
h) De las diez personas encargadas de realizar la encuesta se sabe, de
aos anteriores, que tres de ellos se equivocan al elaborar la
encuesta un 10% de las veces; cuatro rellenan ellos mismos el
cuestionario y se equivocan el 75% de las veces y el resto son muy
detallistas y cumplen perfectamente su trabajo. Se pide: Cul es la
variable? Cul es la frecuencia? Por qu los datos no se dividen
en intervalos? Hallar la media de la variable.

40
Ejercicio
Las dos muestras siguientes tienen la misma dispersin absoluta
(desviacin tpica y varianza) pero diferente dispersin relativa (coeficiente
variacin):

a) Sin realizar ningn clculo: razona cul de ellas tendr menor

dispersin relativa, es decir, qu conjunto de datos es ms homogneo?
b) Tiene algo que ver con la distancia de los datos al origen y el valor de
las medias respectivas?
c) Por qu tienen la misma dispersin absoluta? (distancia de los datos
a la media)?.
En un cambio de origen, la dispersin absoluta (S) no cambia pero la
dispersin relativa s

d) Calcula la media y varianza de las dos series de datos y comprueba lo

anterior.

41
Ejercicio

Las dos muestras siguientes tienen diferente dispersin absoluta pero la

misma dispersin relativa:

a) Sin realizar ningn clculo: razona cul de ellas tendr menor

dispersin absoluta.
b) Por qu tienen la misma dispersin relativa? Guardan alguna
proporcin los datos de A con los datos de B? Tiene esto algo que ver
con un cambio de escala?
c) En un cambio de escala, la dispersin absoluta s cambia pero la
relativa no cambia. Calcula la media y varianza de las dos series de datos
y comprueba lo anterior.

42
 Medidas de Forma: Asimetra
Perfil horizontal de la distribucin.

Indica el grado de simetra en relacin a su distribucin de

frecuencias.
No depende de las unidades de medida.

Tipos:

43
Cuando realizamos un estudio descriptivo es altamente improbable que la
distribucin de frecuencias sea totalmente simtrica. En la prctica diremos que
la distribucin de frecuencias es simtrica si lo es de un modo aproximado.

44
 Medidas de Forma
Coeficientes de Asimetra
1 Coeficiente de Asimetra de PEARSON de X:
X Mo
As =
S
Si: AS = 0 Situacin de Simetra
AS > 0 Situacin de Asimetra a la Derecha
AS < 0 Situacin de Asimetra a la Izquierda

Medida Adimensional (sin unidades de medida)

45
 Coeficientes de Asimetra
2 Coeficiente de Asimetra de PEARSON de X:
3( X M e)
As =
S
Si: AS = 0 Situacin de Simetra
AS > 0 Situacin de Asimetra a la Derecha
AS < 0 Situacin de Asimetra a la Izquierda

Medida Adimensional (sin unidades de medida)

46
 Coeficientes de Asimetra
Coeficiente de Asimetra basado en cuartiles:
Q1 + Q3 2Q2
As = Bowley-Yule
Q3 Q1
Si: AS = 0 Situacin de Simetra
AS > 0 Situacin de Asimetra a la Derecha
AS < 0 Situacin de Asimetra a la Izquierda

Medida Adimensional (sin unidades de medida)

47
Una pista para saber si una distribucin de frecuencias es asimtrica
positiva la descubrimos observando la figura siguiente:

Q3 Q2 > Q2 Q1.

Por analoga, si es asimtrica negativa, se tendra Q3 Q2 < Q2 Q1

48
49
 Coeficiente de Asimetra Clsico de FISHER de X:

M3 1 1 k
As = 3 = 3 (X i X ) f i
3

S S n i =1

Si: As = 0 Situacin de Simetra

As > 0 Situacin de Asimetra a la Derecha
As < 0 Situacin de Asimetra a la Izquierda

Medida Adimensional (sin unidades de medida)

6
Con error estndar =
n
50
1. Cuando la mayora de las observaciones tienen valores bajos, la moda est ms a la
izquierda que la media (la moda es menor que la media) y la asimetra es positiva.
2. Cuando la mayora de las observaciones tienen valores altos, la moda est ms a la
derecha de la media (la moda es mayor que la media) y la asimetra es negativa.
3. Cuando la mayora de las observaciones tienen valores centrados, media y moda [y
mediana] coinciden y la distribucin es simtrica

X Mo X Mo
As = >0 As = <0
S S

Asimetra positiva Asimetra negativa

X X
Mo Mo

X Mo
As = =0
S

Simtrica
51
Mo
X
 Medidas de Forma: Curtosis
Perfil vertical de la distribucin.

La curtosis nos indica el grado de apuntamiento (aplastamiento) de una

distribucin con respecto a la distribucin normal o gaussiana. Es
adimensional.

Coeficiente de Curtosis Clsico de Fisher

1 1 k
Ap = 4 ( X i X ) f i 3
4 24
Con error estndar =
S n i =1 n

Interpretacin:
Ap= 0 Ap> 0 Ap< 0
Mesocrtica Leptocrtica Platicrtica

52
 Coeficiente de Curtosis usando cuantiles:
Q3 Q1
k= 0.263 Kelley
2( P90 P10 )

Interpretacin:
Ap= 0 Ap> 0 Ap< 0
Mesocrtica Leptocrtica Platicrtica

53
Otras medidas de asimetra y curtosis

Asimetra

Curtosis

Con errores estndar:

54
Intervalos de confianza

55
 400 300

300

200

200

100

100

Frecuencia
Frecuencia

0 0
3 27 37 47 57 67 77 87 97 108 27 37 45 53 61 69 77 85 93
16 32 42 52 62 72 82 92 102 138 32 41 49 57 65 73 81 89 99

Leptocrtica Mesocrtica

Los grficos que se muestran poseen la misma media y

desviacin tpica, pero con diferente grado de apuntamiento.
En el curso sern de especial inters las mesocrticas y
simtricas (parecidas a la normal).

56
Esta aproximacin no funciona en distribuciones
asimtrica como la distribucin de los ingresos.
57
1. Si las observaciones estn muy dispersos respecto a las medidas centrales,
la distribucin es platicrtica y el ndice de curtosis es negativo (figura B)
2. Si las observaciones estn concentrados respecto a las medidas centrales,
la distribucin es leptocrtica y el ndice de curtosis es positivo (figura C)
3. En una distribucin normal (curva normal) la distribucin es mesocrtica y el
ndice de curtosis vale cero (figura A)

B
A

Ap = 4 (X i X ) 3 > 0
1 1 n 4

S n i =1
Ap = 4 (X i X ) 3 = 0
1 1 n 4

S n i =1

Ap = 4 (X i X ) 3 < 0
1 1 n 4

S n i =1

58
 Ojivas vs. Asimetra
Las ojivas o curvas de frecuencias acumuladas, presentan formas
particulares segn el tipo de asimetra. Por ejemplo, en la figura 3.2a la
curva dc frecuencia acumulada A es de una distribucin con asimetra
extrema negativa. La Ojiva C es de asimetra extrema positiva. La ojiva B
es de una distribucin simtrica.

59
 Ojivas vs. Apuntamiento

En la figura 3.2b la diagonal D es la ojiva de una distribucin normal. La

curva F es la ojiva de una distribucin simtrica leptocrtica y la E de una
platicrtica.

60
 Ejemplo
Dada la distribucin de
edades (medidas en aos) Num.
Edad (aos)
personas
en un colectivo de 100
personas, obtener:
0 -- 4 47

1. La variable tipificada Z. 4 -- 10 32
2. Valores de la media y
10 -- 20 17
varianza de Z.
3. Coeficiente de variacin 20 -- 40 4
de Z.
100

61
Solucin:

Para calcular la variable li-1 -- li xi ni xi ni xi2 ni

tipificada. Partimos de
los datos del enunciado. 0 -- 4 2 47 94 188
Ser necesario calcular
en primer lugar la media 4 -- 10 7 32 224 1.568
y desviacin tpica de la
variable original (X= 10 -- 20 15 17 255 3.825
aos).

20 -- 40 30 4 120 3.600

n=100 693 9.181

62
A partir de estos valores podremos calcular los valores
tipificados para las marcas de clase de cada intervalo y
construir su distribucin de frecuencias:

63
 zi ni zi ni zi2 ni

-0,745 47 -35,015 26,086

A pesar de que no se debe calcular 0,011 32 0,352 0,004

el coeficiente de variacin sobre
variables que presenten valores 1,220 17 20,720 25,303
negativos (y Z los presenta), lo
calculamos con objeto de ilustrar el
porqu: 3,486 4 13,944 48,609

n=100 0,021 100,002

64
 Ejemplo
Las edades de un grupo de Intervalos ni
personas se reflejan en la tabla 7 -- 9 4
siguiente:
9 -- 11 18
Determinar la variabilidad de
la edad mediante los 11 -- 12 14

estadsticos varianza, 12 -- 13 27
desviacin tpica, coeficiente
13 -- 14 42
de variacin y rango
intercuartlico. Estudie la 14 -- 15 31
simetra de la variable. 15 -- 17 20
17 -- 19 1

65
Solucin:
Intervalos ni xi Ni x i ni xi2 ni
En primer 7 -- 9 4 8 4 32 256
lugar 9 -- 11 18 10 22 180 1.800
realizamos 11 -- 12 14 11,5 36 161 1.851,5
los clculos 12 -- 13 27 12,5 63 337,5 4.218,75
necesarios a 13 -- 14 42 13,5 105 567 7.654,5
partir de la
14 -- 15 31 14,5 136 449,5 6.517,75
tabla de
frecuencias: 15 -- 17 20 16 156 320 5.120

17 -- 19 1 18 157 18 324

157 2.065 27.742,25

66
La media es aos

La varianza la calculamos a partir de la columna de la xi2 ni como sigue:

El coeficiente de variacin no posee unidades y es:

67
Para el coeficiente de asimetra es preciso el clculo de los cuartiles:

Lo que nos dice que aproximadamente en un rango de

aos se encuentra el central del total de observaciones. Adems

68
Figura: La distribucin de frecuencias de la edad presenta una
ligera asimetra negativa.

OBSERVACIN:
Distribuciones con
intervalos de clase
de diferente amplitud
requieren emplear
densidad.
Obtenga la densidad
y recalcule los
indicadores
solicitados.
Comente sus
resultados.

69
 Ejercicios resueltos
Ejercicio 3:
La siguiente es la distribucin de los ingresos de los hogares a partir de la
muestra de la Encuesta Nacional de Hogares de un mes

Se pide:
1. Calcular la distribucin de frecuencias y representarla grficamente.
2. Calcular la funcin de distribucin acumulada de frecuencias relativas y
representarla
grficamente.
3. Calcular las medidas de posicin e interpretar su significado.
4. Calcular las medidas de dispersin.
5. Calcular las medidas de simetra y apuntamiento.
70
Solucin
Para los clculos que se solicitan elaboramos el cuadro siguiente:

1) La distribucin de frecuencias
relativas en el caso de variables
continuas no se grafica (intervalos
con diferente amplitud). La funcin
que interesa graficar es ni / ci:

71
2) La funcin de distribucin acumulada de frecuencias relativas la
tenemos calculada en la quinta columna en los puntos extremos de
intervalo. El grfico es una poligonal que pasa por dichos puntos y se
completa con: H(y) = 0 si y < 1000 y H(y) = 1 si y > 15000.

72
Ejercicio 4:
Los sueldos que paga una empresa a sus
empleados, vienen dados por la tabla adjunta. La
empresa propone al personal dos posibles arreglos
de negociacin:

Se pide:
a) Cul es el sueldo promedio que paga la empresa?
b) Cul es el nuevo sueldo promedio U, segn el Arreglo 1?
c) Cul es la mediana del sueldo segn el Arreglo 2?
d) Sobre qu sueldo yi , estn el 20% de los sueldos superiores?
e) Qu porcentaje del dinero destinado a pagar sueldos representan los
sueldos de las personas que ganan ms de yi = $ 18.000?
f) Cul es la varianza de los sueldos U, segn el Arreglo 1?
g) Cul es el coeficiente de variacin de los sueldos U, segn el Arreglo 1?
h) Cul es el coeficiente de variacin de los sueldos T, segn el Arreglo 2?
73
Solucin
Elaboramos el siguiente cuadro que muestra los clculos para los datos
originales y para los dos posibles acuerdos:

74
75