Medidas de Dispersion C-Ejemplos

Profesor: Alumna:
Pedro Beltrán Miriangelis Orsetty

24.983.452
Barcelona, Diciembre 2015

También llamadas medidas de variabilidad, muestran la variabilidad
de una distribución, indicando por medio de un número si las
diferentes puntuaciones de una variable están muy alejadas de la
media.
Cuanto mayor sea ese valor, mayor será la variabilidad, y cuanto

menor sea, más homogénea será a la media.
Así se sabe si todos los casos son parecidos o varían mucho entre
ellos.
Para calcular la variabilidad que una distribución tiene
respecto de su media:
 Se calcula la media de las desviaciones de las
puntuaciones respecto a la media aritmética.
Pero la suma de las

desviaciones es siempre
cero, así que se adoptan
dos clases de estrategias
para salvar este
problema.
1. Tomando las desviaciones en valor absoluto (desviación media).

2. Tomando las desviaciones al cuadrado (varianza).
En el caso de las variables con valores que pueden
definirse en términos de alguna escala de medida de igual
intervalo, puede usarse un tipo de indicador que permite apreciar el
grado de dispersión o variabilidad existente en el grupo de
variantes en estudio.
A estos indicadores les llamamos medidas de dispersión,

por cuanto que están referidos a la variabilidad que exhiben los
valores de las observaciones, ya que si no hubiere variabilidad o
dispersión en los datos interés, entonces no habría necesidad de la
gran mayoría de las medidas de la estadística descriptiva.
Las medidas de tendencia central tienen como objetivo el

sintetizar los datos en un valor representativo, las medidas de
dispersión nos dicen hasta que punto estas medidas de tendencia
central son representativas como síntesis de la información. Las
medidas de dispersión cuantifican la separación, la dispersión, la
variabilidad de los valores de la distribución respecto al valor
central.
Distinguimos entre medidas de dispersión absolutas,
que no son comparables entre diferentes muestras y
las relativas que nos permitirán comparar varias
muestras.
Es la medida de variabilidad más fácil de calcular. Para datos finitos o
sin agrupar, el rango se define como la diferencia entre el valor más
alto (Xn ó Xmax.) y el mas bajo (X1 ó Xmin) en un conjunto de datos.
Rango para datos no agrupados;
R = Xmáx.-Xmín = Xn-X1
Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier año, a
saber: 18,23, 27,34 y 25., para calcular la media aritmética (promedio
de las edades, se tiene que:
R = Xn-X1 ) = 34-18 = 16 años
Con datos agrupados no se saben los valores máximos y mínimos. Si
no hay intervalos de clases abiertos podemos aproximar el rango
mediante el uso de los límites de clases. Se aproxima el rango
tomando el limite superior de la última clase menos el limite inferior de
la primera clase.
Rango para datos agrupados;
R= (lim. Sup. de la clase n – lim. Inf. De la clase 1)
Ejemplo:
Si se toman los datos del ejemplo resuelto al construir la tabla de
distribución de frecuencia de las cuentas por cobrar de Cabrera’s y
Asociados que fueron los siguientes:
Ejemplo:
Si se toman los datos del ejemplo resuelto al construir la tabla
de distribución de frecuencia de las cuentas por cobrar de
Cabrera’s y Asociados que fueron los siguientes:
El rango de la distribución de
frecuencias se calcula así:
R= (lim. Sup. de la clase n – lim.

Inf. De la clase 1)
= (93.910 – 7.420) = 86.49

La varianza es una medida de dispersión relativa a algún punto de
referencia. Ese punto de referencia es la media aritmética de la
distribución.
Más específicamente, la varianza es una medida de que tan cerca, o
que tan lejos están los diferentes valores de su propia media
aritmética.
Cuando más lejos están las Xi de su propia media aritmética, mayor
es la varianza; cuando más cerca estén las Xi a su media menos es la
varianza.
La varianza para datos no agrupados
Dado un conjunto de observaciones, tales como X1, X2, … , Xn, la varianza denotada
usualmente por la letra minúscula griega δ (sigma) elevada al cuadrado (δ2)y en otros
casos S2 según otros analistas, se define como: el cuadrado medio de las desviaciones
con respecto a su media aritmética"
Matemáticamente, se expresa como:
Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier año, a saber: 18,23, 25,
27, y 34. Al calcular la media aritmética (promedio de las edades, se obtuvo 25.4 años,
encontrar la varianza de las edades de estos estudiantes:
Respuesta: la varianza de las

edades es de 27.4 años
La varianza para datos agrupados
Si en una tabla de distribución de frecuencias. Los puntos medios de
las clases son X1, X2, … , Xn; y las frecuencias de las clases f1, f2, …
, fn; la varianza se calcula así:
Sin embargo la formula anterior tiene algún inconveniente para su uso

en la practica, sobre todo cuando se trabaja con números decimales o
cuando la media aritmética es un número entero. Asimismo cuando se
trabaja con máquinas calculadoras, La tarea de computar la varianza
se simplifica utilizando la formula de computación que se da a
continuación:
Ejemplo:
Se tienen los datos de una muestra de 30 cuentas por cobrar de la
tienda Cabrera’s y Asociados dispuestos en una tabla de distribución
de frecuencias, a partir de los cuales se deberá calcular la varianza,
para lo cual se construye la siguiente tabla estadística de trabajo, si se
calculó anteriormente la media aritmética y se fijó en 43.458 (ver
ejemplo del calculo en "media aritmética para datos agrupados) de la
siguiente manera
21,649.344 / 30 =
721.645
la varianza de las
cuentas por cobrar es
igual B/.721.645
Caracteristicas de la Varianza.
A su vez la desviación estándar, también tiene una serie de
propiedades que se deducen fácilmente de las de la varianza (ya que
la desviación típica es la raíz cuadrada positiva de la varianza):
 La desviación estándar es siempre un valor no negativo S será
siempre ³ 0 por definición. Cuando S = 0 è X = xi (para todo i).
 Es la medida de dispersión óptima por ser la más pequeña.
 La desviación estándar toma en cuenta las desviaciones de todos
los valores de la variable
 Si a todos los valores de la variable se le suma una misma
constante la desviación estándar no varía.
 Si a todos los valores de la variable se multiplican por una misma
constante, la desviación estándar queda multiplicada por el valor
absoluto de dicha constante.
El Coeficiente de Variación de Pearson (C.V.)
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor
representativo, las medidas de dispersión nos dicen hasta que punto estas medidas de
tendencia central son representativas como síntesis de la información. Las medidas de
dispersión cuantifican la separación, la dispersión, la variabilidad de los valores de la
distribución respecto al valor central. Distinguimos entre medidas de dispersión
absolutas, que no son comparables entre diferentes muestras y las relativas que nos
permitirán comparar varias muestras.
El problema de las medidas de dispersión absolutas es que normalmente son un

indicador que nos da problemas a la hora de comparar. Comparar muestras de
variables que entre sí no tienen cantidades en las mismas unidades, de ahí que en
ocasiones se recurra a medidas de dispersión relativas.
Un problema que se plantea, tanto la varianza como la desviación estándar,

especialmente a efectos de comparaciones entre distribuciones, es el de la
dependencia respecto a las unidades de medida de la variable. Cuando se quiere
comparar el grado de dispersión de dos distribuciones que no vienen dadas en las
mismas unidades o que las medias no son iguales se utiliza el llamado "Coeficiente de
Variación de Pearson", del que se demuestra que nos da un número independiente de
las unidades de medidas empleadas, por lo que entre dos distribuciones dadas diremos
que posee menor dispersión aquella cuyo coeficiente de variación sea menor., y que se
define como la relación por cociente entre la desviación estándar y la media aritmética;
o en otras palabras es la desviación estándar expresada como porcentaje de la media
aritmética.
.
Definición del Coeficiente de Variación
Donde: C.V. representa el número de veces que la desviación típica contiene a la media aritmética y
por lo tanto cuanto mayor es CV mayor es la dispersión y menor la representatividad de la media.
* Propiedades del Coeficiente de Variación :

-Si a todos los valores de la variable se le suma una misma constante el coeficiente de variación
queda alterado .
Ejemplo:
Suponga que Usted trabaja en una compañía de ventas, que ofrece como premio de incentivo al
mejor vendedor del trimestre anterior las entradas al palco empresarial en la serie final de béisbol de
las grandes ligas en los Estados Unidos (E,E,U,A,).
De los registros de ventas se tienen los siguientes datos de ventas, expresados en porcentajes de
cumplimiento de las metas fijadas mensualmente:
Vendedor A 95 105 100
Vendedor B 100 90 110
El promedio trimestral de cumplimiento de las metas de ventas de ambos vendedores es igual y
equivale al 100%, pero Ud. Sólo le puede dar el premio de incentivo a uno de ellos. ¿Cuál usted
escogería?. ¿En base a que criterio’. Explique.
Este problema se resuelve utilizando el coeficiente de variación, para estos
efectos es necesario encontrar la desviación estándar trimestral de las ventas
de cada uno de la siguiente manera:
Vendedor A: Vendedor B:
La desviación estándar es δ=√(50/3) = √16.667 = La desviación estándar es δ=√(200/3) = √66.667 = 8.16, luego
4.08, luego entonces el coeficiente de variación es entonces el coeficiente de variación es igual a:
igual a:
δ 4.08
C.VA= --------- = ----------- = 0.0408
x 100
Dado que el vendedor A tiene menor coeficiente de variación, A él

le corresponde recibir el premio de incentivo.
Es una medida de la cantidad típica en la que los valores del conjunto de datos
difieren de la media. Es la medida de dispersión más utilizada, se le llama también
desviación típica. La desviación estándar siempre se calcula con respecto a la
media y es un mínimo cuando se estima con respecto a este valor.
Se calcula de forma sencilla, si se conoce la varianza, por cuanto que es la raíz
cuadrada positiva de esta. A la desviación se le representa por la letra minúscula
griega "sigma" ( δ ) ó por la letra S mayúscula, según otros analistas.
Cálculo de la Desviación Estándar
Ejemplo: δ = √δ2 ó S =
Del calculo de la varianza de las edades √S2
de cinco estudiantes universitarios de
primer año se obtuvo δ2=27.44, como la desviación estándar es la raíz cuadrada
positiva, entonces δ = √27.44 = 5.29 años.
Igual procedimiento se aplica para encontrar le desviación estándar de las cuentas
por cobrar de la Tienda Cabrera’s y Asociados, recordemos que la varianza
obtenida fue de 721.645, luego entonces la desviación estándar es igual a δ
=√721.645 = 26.86 balboas.
Felices Fiestas…!

Medidas de Dispersion C-Ejemplos

Cargado por

Copyright:

Formatos disponibles

Medidas de Dispersion C-Ejemplos

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Medidas de Dispersion C-Ejemplos

Cargado por

Copyright:

Formatos disponibles

Profesor: Alumna:

Pedro Beltrán Miriangelis Orsetty

Barcelona, Diciembre 2015

Cuanto mayor sea ese valor, mayor será la variabilidad, y cuanto

Pero la suma de las

1. Tomando las desviaciones en valor absoluto (desviación media).

A estos indicadores les llamamos medidas de dispersión,

Las medidas de tendencia central tienen como objetivo el

Rango para datos agrupados;

R= (lim. Sup. de la clase n – lim. Inf. De la clase 1)

R= (lim. Sup. de la clase n – lim.

= (93.910 – 7.420) = 86.49

Respuesta: la varianza de las

Sin embargo la formula anterior tiene algún inconveniente para su uso

El problema de las medidas de dispersión absolutas es que normalmente son un

Un problema que se plantea, tanto la varianza como la desviación estándar,

* Propiedades del Coeficiente de Variación :

Dado que el vendedor A tiene menor coeficiente de variación, A él

También podría gustarte