>>>>>> <

=CONTAR.SI.CONJUNTO(B4:F11;">="&J3;B4:F11;"<"&K3)

=CONTAR.SI.CONJUNTO(B6:F13;">="&J5;B6:F13;"<"&K5)

¿QUÉ PUEDE DECIR DE LA DISPERSIÓN DE LAS EDADES?

¿Que nos indica la dispersión de los datos?

Las medidas de dispersión indican qué tanto se dispersan o agrupan los datos con
respecto a su media aritmética. El rango es una medida de dispersión que para una
serie de datos no agrupados, es igual a la diferencia del dato mayor y el dato menor

Por ejemplo, las tablas de la derecha presentan la tarifa mensual (en dólares) por el
servicio de agua potable en dos residenciales de San Salvador. Para la residencial 1, la
tarifa más alta (dato mayor) es $18, la más baja (dato menor) es $11 y el rango es: 18 ‒
11 = 7. Para la Residencial 2, la tarifa más alta (dato mayor) es $14, la más baja (dato
menor) es $10 y el rango es: 14 ‒ 10 = 4. Por lo tanto, las tarifas de la Residencial 1 se
encuentran más dispersas, ya que el rango es mayor.

Caso 4. Medidas de dispersión

Sergio Ricardo López Macías
2023-02-16

1 Objetivo
Determinar medidas de dispersión de datos como edades, sueldos y
calificaciones.

2 Descripción
 Simular muestra de varios conjuntos de datos

 Se identifica media de los datos

 Se muestran tablas de frecuencias

  Se calculan medidas de dispersión, varianza y desviación estándar.

 Se visualiza la dispersión de los datos en relación a la media.

 Se calcula el coeficiente de variación y se compara con similares

conjuntos de datos.

3 Marco teórico
¿Para que sirven las medidas de dispersión?

El reporte de una medida de centralización como la media, mediana y

moda sólo da información parcial sobre un conjunto o distribución de
datos. Diferentes muestras o poblaciones pueden tener medidas
idénticas de centro y aun así diferir una de otra en otras importantes
maneras. [@devore2016].

La imagen siguiente muestra tres conjuntos de datos y los tres tienen

media y mediana igual, sin embargo la dispersión es diferentes, es decir
cual conjunto de datos se aleja mas de la media.

La primera tiene la cantidad más grande de variabilidad, la tercera tiene

la cantidad más pequeña y la segunda es intermedia respecto a las otras
dos en este aspecto.
3.1 Varianza
La varianza es una medida de variabilidad que utiliza todos los datos. La
varianza está basada en la diferencia entre el valor de cada observación
(xi��) y la media x¯�¯ [@anderson2008].

3.1.1 Fórmulas
Se identifican las fórmulas para varianza poblacional y muestral,
dependiendo de los datos a analizar, si es todas las observaciones de la
población y solo una muestra de la misma.

Para efectos de este ejercicio se utiliza mas específicamente la varianza

y desviación muestral.

3.1.1.1 Fórmula de varianza poblacional

σ2=∑Ni=1(xi−μ)2N�2=∑�=1�(��−�)2�
siendo μ� la media poblacional y N� el total de los datos de la
población.

3.1.1.2 Fórmula de varianza muestral

S2=∑ni=1(xi−x¯)2n−1�2=∑�=1�(��−�¯)2�−1
siendo x¯�¯ la media muestral y n� el total de los datos de la muestra.
Las unidades al cuadrado de la varianza dificultan la comprensión e
interpretación intuitiva de los valores numéricos de la varianza.

3.2 Desviación estándar

La desviación estándar se define como la raíz cuadrada positiva de la
varianza.

Continuando con la notación adoptada para la varianza muestral y para la

varianza poblacional, se emplea ς� para denotar la desviación estándar
muestral y σ� para denotar la desviación estándar poblacional.
¿Qué se gana con convertir la varianza en la correspondiente desviación
estándar?.

Como la desviación estándar es la raíz cuadrada de la varianza, las

unidades de la varianza, son al cuadrado, posiblemente dificulta su
interpretación, por tanto, la desviación estándar de se interpreta de
mejor manera la variabilidad de los datos porque el valor resultante se
mide en las mismas unidades que los datos originales. [@anderson2008].

Una interpretación preliminar de la desviación estándar muestral es que

es el tamaño de una desviación típica o representativa de la media
muestral dentro de la muestra dada.[@devore2016]

3.2.1 Fórmula de desviación estándar poblacional

 σ=σ2−−√�=�2

3.2.2 Fórmula de desviación estándar muestral

S=S2−−√�=�2

3.3 Coeficiente de variación (CV)

En algunas ocasiones se requiere un estadístico descriptivo que indique
cuán grande es la desviación estándar en relación con la media. Existe el
coeficiente de variación y resuelve ese propósito.

La fórmula del coeficiente de variación indica el grado de dispersión de

un conjunto de datos con respecto a la media.

CV=(σx¯×100)%��=(��¯×100)%

4 Desarrollo
4.1 Librerías
Instalar librerías anticipadamente con install.packages(“fdth”)
{r message=FALSE, warning=FALSE} library(fdth) # Para tablas de
frecuencias library(ggplot2) # Para gráficos

4.2 Datos edades

Se establece valor de semilla para que se generen los mismos datos.

set.seed(2423)

Se generan 200 edades en dos conjuntos de datos diferentes.

edades1 se genera con función de aleatoriedad sample()

edades2 se genera con la función de distribución normal rnorm().

n <- 200
edades1 <- sample(x = 19:50,size = n,replace = TRUE )

4.2.1 edades1
4.2.1.1 Mostrar los datos edades1
Se identifican los datos edades1

edades1
4.2.1.2 Tablas de frecuencias edades1
Se muestran las tablas de frecuencias del conjunto de datos edades1.

En las tablas de frecuencias se determina matemáticamente el número

de clases, La opción matemáticamente más consistente es la conocida
como regla de Sturges.

La solución de esta ecuación proporciona una regla práctica para

obtener el número de clases.

k=1+3.322∗log10(n)�=1+3.322∗���10(�)
 Siendo k el número de clases

 log es la función logarítmica de base 10, log10()

 y n el total de la muestra

El rango de clase de acuerdo a Sturges está dada por

h=max(datos)−min(datos)kℎ=���(�����)−���(�����)�
Siendo h el rango de cada clase y max(datos) - min(datos) el rango del
total de los datos, es decir la diferencia entre límite superior menos
límite inferior.
Existen otras formas de determinar el número de clases a utilizar,
algunas más complejas, otras más simples.

Independientemente de la forma de cálculo seleccionada ya

se Sturges, Scott o Freedman-Diaconis (FD), lo realmente importante es
que la información mostrada en la tabla de frecuencia sea fácil de
revisar, que no contenga un número excesivo de clases y que la
información que en ella se refleja permita comprender cómo se
presentan los datos en la población o de una muestra.

El número de clase de acuerdo par n=200�=200 de acuerdo

a Sturges es:
k <- round(1+3.322 * log10(n))
k

La amplitud h1 y h2 para cada conjunto de datos es igual a:

h = diff(range(edades1)) / k
h
tabla.edades1 <- fdt(x = edades1, breaks="Sturges")
tabla.edades1

 Class limits significa el rango de cada clase

 f significa la frecuencia, la suma de f debe ser el total de

elementos.

 rf significa frecuencia relativa la suma de todas las rf debe ser el 1

  rf% significa el valor relativo pero en porcentaje, la suma de rf%
debe ser el 100%

 cf significa frecuencia acumulada

 cf% significa frecuencia porcentual acumulada

4.2.1.3 Histograma de edades1

hist(edades1, breaks = "Sturges" )

4.2.1.4 Dispersión de edades1

datos.edades1 <- data.frame(x = 1:length(edades1), edad= edades1)
ggplot(datos.edades1, aes(x=x, y=edad))+
geom_point() +
geom_hline(yintercept = mean(edades1), col='red') +
ggtitle(label = "Dispersión de edades1", subtitle = paste("media =
", mean(edades1)))

4.2.2 edades2
4.2.2.1 Crear y mostrar los datos edades2
edades2 <- round(rnorm(n = n, mean = 30, sd = 5))

Se identifican los datos edades2

sort(edades2)

4.2.2.2 Tablas de frecuencias edades2

Se muestran las tablas de frecuencias del conjunto de datos edades2.

4.2.2.3 Histograma de edades2

hist(edades2, breaks = "Sturges" )

4.2.2.4 Dispersión de edades2

datos.edades2 <- data.frame(x = 1:length(edades2), edad= edades2)
ggplot(datos.edades2, aes(x=x, y=edad))+
geom_point() +
geom_hline(yintercept = mean(edades2), col='red') +
ggtitle(label = "Dispersión de edades2", subtitle = paste("media =
", mean(edades2)))
4.3 Medidas de dispersión
Las medidas de dispersión varianza y desviación estándar miden el valor
de dispersión de un conjunto de datos numéricos.

La dispersión significa que tanto los datos están alejados de la media, el

valor de la desviación se compara con la media y se interpreta que tanto
los valores distan del valor de la media.

4.3.1 Medias aritméticas de edades

media_edades1 <- mean(edades1)
media_edades2 <- mean(edades2)
media_edades1; media_edades2

4.3.2 Varianza y desviación estándar

S2=∑ni=1(xi−x¯)2n−1�2=∑�=1�(��−�¯)2�−1
S=S2−−√�=�2

tabla.varianza.edades1 <- data.frame(x = edades1,

x_media = media_edades1,
xi.menos.media = edades1 - media_edades1,
xi.menos.media.cuad = (edades1 - media_edades1)^2)
tabla.varianza.edades1

Calculando la suma y determinando varianza

n <- length(edades1)
suma <- sum(tabla.varianza.edades1$xi.menos.media.cuad)
suma
varianza <- suma / (n -1)
varianza

Con las funciones de var() y sd() se determinan la varianza y a

desviación respectivamente y con mean() la media de la muestra.

varianza_edades1 <- var(edades1)

varianza_edades2 <- var(edades2)
desv.std_edades1 <- sd(edades1)
desv.std_edades2 <- sd(edades2)
Se muestran los valores generados, el punto y coma en R significa en una
misma linea se ejecutan dos instrucciones o dos comandos, en este caso
solo mostrar los valores.

varianza_edades1; varianza_edades2
desv.std_edades1; desv.std_edades2

4.3.3 Coeficiente de variación

El coeficiente de variación (CV) es un estadístico que permite comparar
entre dos o mas conjuntos de datos cuál es estos tiene una dispersión
mayor o menor.

Al identificar el CV de un conjunto de datos y compararlo con otro CV de

otro conjunto de datos similares, se puede determinar cual de los datos
tiene mayor o menor dispersión y se puede concluir en cual es estos está
mas dispersos sus datos, es decir cuál de ellos se aleja mas o menos de
la media, según sea el caso.

Para determinar el coeficiente de variación se establece la división de la

desviación estándar entre la media del conjunto de datos.

CV=σx¯��=��¯

CV_edades1 <- desv.std_edades1 / media_edades1

CV_edades1
CV_edades2 <- desv.std_edades2 / media_edades2
CV_edades2

5 Interpretación
¿Qué representan las tablas de frecuencias para los datos edades?

Las tablas de frecuencia representan las clases y la frecuencias de

casos de cada una de las clases, permiten observar los valores relativos
y porcentuales de las frecuencias.

Con respecto a edades1 existe un 15.5% de valores que están en un

rango o intervalo entre 36.83 y 41.59.

En relación a edades2 existe una cantidad de valores entre 36.83 y 46.34

que representan el 14.5%.

¿Cuáles son los valores media y desviación de los conjuntos de datos

edades?

Con respecto a los valores estadísticos del conjunto de datos edades1, el

valor la media es de: r media_edades1, la desviación es de: r
desv.std_edades1.
Con respecto a los valores estadísticos del conjunto de datos edades2, el
valor la media es de: r media_edades2, la desviación es de: r
desv.std_edades2.

¿Cuáles son los valores de coeficiente de variación para los conjuntos de

datos edades y que representan?

El coeficiente de variación de edades1 es de: r CV_edades1y el CV de

edades2 es de: r CV_edades2

Existe mayor dispersión en los valores del conjunto de datos edades1

con respecto a edades2 por tener ligeramente mayor valor en su
coeficiente de variación.