UNIVERSIDAD NACIONAL DE LA AMAZONÍA PERUANA
FACULTAD DE CIENCIAS BIOLÓGICAS
ESCUELA ACUICULTURA
MEDIDAS DE DISPERSIÓN Y FORMA
DOCENTE: Dr. WILSON A. AVILA ZAVALETA
CURSO: BIOESTADISTICA
ESTUDIANTE: IVAN ENRIQUE TELLO GONZALES(COORDINADOR)
JACKSON CRISTOPHER PACAYA CUMAPA
KIMBERLY ISABEL MARIN GRANDEZ
TERESA LIZETH SORIA CHANCHARI
NIVEL: III
IQUITOS – PERÚ
2024
Tabla de contenido
INTRODUCCION..................................................................................................................................3
MEDIDAS DE POSICIÓN......................................................................................................................3
Cuantil............................................................................................................................................3
Forma de cálculo del cuantil..............................................................................................................3
No paramétricos.....................................................................................................................3
Función cuantil.......................................................................................................................4
Cuantiles más frecuentes...........................................................................................................4
Ejemplo de cuantil..........................................................................................................................4
.......................................................................................................................................................5
Medidas de posición central..............................................................................................................6
Importancia de las medidas de posición estadística..........................................................................8
CONCLUSION......................................................................................................................................9
REFERENCIAS BIBLIOGRAFICAS..........................................................................................................9
INTRODUCCION
Las medidas de dispersión dan información sobre el grado de
variabilidad de una variable estadística. Esto se consigue a través de
diferentes fórmulas que nos dan un valor numérico para valorar el
grado de dispersión.
Las medidas de dispersión ofrecen un valor numérico que indica el grado de
variabilidad de una variable.
El rango, la varianza, la desviación típica y el coeficiente de variación son las
medidas de dispersión más conocidas.
El rango muestra la diferencia entre el valor máximo y mínimo de una
muestra o población.
En otras palabras, las medidas de dispersión son números que
indican si una variable se mueve mucho, poco, más o menos que
otra. La razón de ser de este tipo de medidas es conocer de manera
resumida una característica de la variable estudiada.
Principales medidas de dispersión
Las medidas de dispersión más conocidas son: el rango, la varianza, la desviación
típica y el coeficiente de variación (no confundir con coeficiente de determinación).
A continuación veremos estas cuatro medidas.
Rango
El rango es un valor numérico que indica la diferencia entre el valor máximo y el
mínimo de una población o muestra estadística.
l rango, en términos estadísticos, es una medida que nos ayuda a entender cuán
dispersos o variados son los datos dentro de un conjunto. Para calcularlo,
simplemente restamos el valor más pequeño del conjunto del valor más grande.
Esta resta nos da una cifra que representa la distancia total entre estos dos
extremos.
Por ejemplo, si analizamos los ingresos en un grupo de personas y encontramos
que el menor ingreso es de 10 euros y el mayor de 100 euros, el rango de ingresos
en este grupo es de 90 euros. Esto nos da una idea rápida de la variabilidad de los
ingresos dentro del grupo.
El rango es especialmente relevante en el ámbito financiero, ya que permite a los
analistas y a los inversores tener una noción rápida de cuánto pueden variar los
precios o valores financieros. Sin embargo, es importante recordar que el rango
puede cambiar con la inclusión de nuevos datos. Tomando el ejemplo del
crecimiento del producto interior bruto (PIB) de un país, si durante 20 años el PIB
creció entre un 3% y un 5%, tenemos un rango del 2%. Pero si el siguiente año el
PIB cae un -1%, el nuevo rango se amplía a 6%, reflejando una mayor variabilidad
en el crecimiento económico a lo largo del tiempo.
Su fórmula es:
R = Máxx – Mínx
Donde:
R → Es el rango.
Máx → Es el valor máximo de la muestra o población.
Mín → Es el valor mínimo de la muestra o población estadística.
x → Es la variable sobre la que se pretende calcular esta medida.
Ejemplo de rango
upongamos que tenemos una empresa que produce microchips para luego
venderlos a las principales marcas de computadoras. Esta empresa encarga a un
economista que realice un estudio sobre la evolución de las ventas (últimos 4 años)
para, posteriormente, ofrecer consejos que mejoren los resultados empresariales.
Entre otras muchas métricas, se pide que se calcule el rango de producción de
microchips. A continuación se muestra la siguiente tabla de datos:
Mes 1 44.347
Mes 2 12.445
Mes 3 26.880
Mes 4 23.366
Mes 5 42.464
Mes 6 15.480
Mes 7 21.562
Mes 8 11.625
Mes 9 39.496
Mes 10 39.402
Mes 11 47.699
Mes 12 44.315
Mes 13 29.581
Mes 14 44.320
Mes 15 35.264
Mes 16 10.124
Mes 17 43.520
Mes 18 26.360
Mes 19 19.534
Mes 20 30.755
Mes 21 37.327
Mes 22 15.832
Mes 23 33.919
Mes 24 29.498
Mes 25 46.136
Mes 26 18.007
Mes 27 36.339
Mes 28 27.696
Mes 29 47.413
Mes 30 47.636
Mes 31 20.978
Mes 32 49.079
Mes 33 40.668
Mes 34 45.932
Mes 35 40.454
Mes 36 46.132
Mes 37 35.054
Mes 38 11.906
Mes 39 22.532
Mes 40 43.045
Mes 41 45.074
Mes 42 16.505
Mes 43 27.336
Mes 44 37.831
Mes 45 29.757
Mes 46 37.765
Mes 47 22.237
Mes 48 38.601
MÁXIMO 49.079
MÍNIMO 10.124
RANGO 38.955
El mes que más microchips produjo la empresa (MÁXIMO) fue el mes 32 con
49.079 microchips producidos. Por su parte, el momento que menos microchips
produjo tuvo lugar en el mes 16 con 10.124 microchips producidos. Por tanto, el
rango estadístico que es la diferencia (49.079-10.124) se sitúa en 38.955.
¿Cómo se interpreta esto? Esto quiere decir, que durante los últimos 4 años la
variación máxima que ha habido ha sido de 38.955 microchips producidos.
Gráficamente podemos verlo del siguiente modo:
El punto verde es el máximo, el punto rojo el mínimo y la línea discontinua amarilla
situada a la derecha es la diferencia. Esto es, el rango.
VARIANZA
La varianza es una medida de dispersión que representa la variabilidad de una serie
de datos respecto a su media. Formalmente se calcula como la suma de los
residuos al cuadrado divididos entre el total de observaciones La varianza es una
forma de entender cuánto se alejan algunos valores del promedio de un grupo de
ellos. Por ejemplo, imagina que tienes una lista de números que representan los
precios de algunos pisos de tu barrio. La varianza te ayuda a ver si los precios están
muy dispersos o no. Si todos están cerca del promedio, la varianza será baja, pero
si están muy esparcidos, la varianza será alta.
También se puede calcular como la desviación típica al cuadrado.
Su fórmula es la siguiente:
X → Variable sobre la que se pretenden calcular la varianza
xi → Observación número i de la variable X. i puede tomará valores entre 1 y n.
N → Número de observaciones.
x̄ → Es la media de la variable X.
¿Por qué se elevan al cuadrado los residuos?
La razón por la que los residuos se elevan al cuadrado es sencilla. Si no se elevasen
al cuadrado, la suma de residuos sería cero. Es una propiedad de los residuos. Así
pues para evitarlo, tal como ocurre con la desviación típica se elevan al cuadrado. El
resultado es la unidad de medida en la que se miden los datos pero elevada al
cuadrado.
Por ejemplo, si tuviésemos datos sobre los salarios de un conjunto de personas en
euros, el dato que arroja la varianza sería en euros cuadrados. Para que tenga
sentido la interpretación calcularíamos la desviación típica y pasaríamos el dato a
euros.
1. Desviación -> (2-3) = -1
2. Desviación -> (4-3) = 1
3. Desviación -> (2-3) = -1
4. Desviación -> (4-3) = 1
5. Desviación -> (2-3) = -1
6. Desviación -> (4-3) = 1
Si sumamos todas las desviaciones el resultado es cero.
Rango
¿Qué diferencia existe entre la varianza y la desviación
típica?
Una cuestión que se podría plantear, y con razón, sería la diferencia entre varianza
y desviación típica. En realidad, vienen a medir lo mismo. La varianza es la
desviación típica elevada al cuadrado. O al revés, la desviación típica es la raíz
cuadrada de la varianza.
La desviación típica se hace para poder trabajar en las unidades de medida
iniciales. Claro que, como es normal, uno puede preguntarse, ¿de qué sirve tener
como concepto la varianza? Bien, aunque la interpretación del valor que arroja no
nos da demasiada información, su cálculo es necesario para obtener el valor de
otros parámetros.
Para calcular la covarianza necesitamos la varianza y no la desviación típica, para
calcular algunas matrices econométricas se utiliza la varianza y no la desviación
típica. Es una cuestión de comodidad a la hora de trabajar con los datos en según
qué cálculos.
Ejemplo de cálculo de la varianza
Vamos a acuñar una serie de datos sobre salarios. Tenemos cinco personas, cada
uno con un salario diferente:
Juan: 1.500 euros
Pepe: 1.200 euros
José: 1.700 euros
Miguel: 1.300 euros
Mateo: 1.800 euros
La media del salario, la cual necesitamos para nuestro cálculo, es de ((1.500 + 1.200
+ 1.700 + 1.300 + 1.800) /5) 1.500 euros.
Dado que la fórmula de la varianza en su forma desglosada se formula como sigue:
Obtendremos que se debe calcular tal que:
El resultado es de 52.000 euros al cuadrado. Es importante recordar que siempre
que calculamos la varianza tenemos las unidades de medida al cuadrado. Para
pasarlo a euros, en este caso tendríamos que realizar la desviación típica. El
resultado aproximado sería de 228 euros. Esto quiere decir que, en media, la
diferencia entre los salarios de las distintas personas será de 228 euros.
DESVIACIÓN TÍPICA
La desviación típica es otra medida que ofrece información de la dispersión
respecto a la media. Su cálculo es exactamente el mismo que la varianza, pero
realizando la raíz cuadrada de su resultado. Es decir, la desviación típica es la raíz
cuadrada de la varianza.
X → Variable sobre la que se pretenden calcular la varianza
xi → Observación número i de la variable X. i puede tomará valores entre 1 y n.
N → Número de observaciones.
x̄ → Es la media de la variable X.
COEFICIENTE DE VARIACIÓN
Su cálculo se obtiene de dividir la desviación típica entre el valor absoluto de
la media del conjunto y por lo general se expresa en porcentaje para su mejor
comprensión.
X → Variable sobre la que se pretenden calcular la varianza
σx → Desviación típica de la variable X.
| x̄ | → Es la media de la variable X en valor absoluto con x̄ ≠ 0
Ejemplos de uso del coeficiente de variación en lugar de
la desviación típica
A continuación mostramos algunos ejemplos sobre esta medida de dispersión:
Comparación de conjuntos de datos de diferente dimensión
Se quiere comprar la dispersión entre la altura de 50 alumnos de una clase y su
peso. Para comparar la altura podríamos utilizar como unidad de medida metros y
centímetros y para el peso el kilogramo. Comparar estas dos distribuciones
mediante la desviación estándar, no tendría sentido dado que se pretenden medir
dos variables cuantitativas distintas (una medida de longitud y una de masa).
Comparar conjuntos con gran diferencia entre medias
Imaginemos por ejemplo que queremos medir el peso de los escarabajos y el de
los hipopótamos. El peso de los escarabajos se mide en gramos o miligramos y el
peso de los hipopótamos por lo general se mide en toneladas. Si para nuestra
medición convertimos el peso de los escarabajos a toneladas para que ambas
poblaciones estén en la misma escala, utilizar la desviación estándar como medida
de dispersión no sería lo adecuado. El peso medio de los escarabajos medido en
toneladas sería tan pequeño, que si utilizamos la desviación estándar, apenas
habría dispersión en los datos. Esto sería un error dado que el peso entre las
diferentes especies de escarabajos puede variar de manera considerable.
Ejemplo de cálculo del coeficiente de variación
Pensemos en una población de elefantes y otra de ratones. La población de
elefantes tiene un peso medio de 5.000 kilogramos y una desviación típica de 400
kilogramos. La población de ratones tiene un peso medio de 15 gramos y una
desviación típica de 5 gramos. Si comparáramos la dispersión de ambas
poblaciones mediante la desviación típica podríamos pensar que hay mayor
dispersión para la población de elefantes que para la de los ratones.
Sin embargo al calcular el coeficiente de variación para ambas poblaciones, nos
daríamos cuenta que es justo al contrario.
Elefantes: 400/5000=0,08
Ratones: 5/15=0,33
Si multiplicamos ambos datos por 100, tenemos que el coeficiente de variación
para los elefantes es de apenas un 8%, mientras que el de las ratones es de un
33%. Como consecuencia de la diferencia entre las poblaciones y su peso medio,
vemos que la población con mayor dispersión, no es la que tiene una mayor
desviación típica.
PRESENTE Y DESARROLLE UN CASO APLICATIVO DE SU
ESPECIALIDAD DONDE APLIQUE LAS MEDIDAS DE DISPERSIÓN
Y FORMA
Acuicultura y pesca de camarón trimestral
**Definición de la Acuicultura y pesca de camarón:
Según el peródico del campo (2018) la acuicultura es “una actividad de
cultivo en medio acuático, con fines de producción y comercialización como
meta final, industrializada por medio de la tecnología. El consumo de
camarón se ha expandido con la demanda de los países industrializados,
debido a su alta elasticidad ingreso. Esto ha llevado al desarrollo del cultivo
del camarón para facilitar su abastecimiento.”
La acuicultura y pesca de camarón es una industria que ha venido ganando
dinamismo y protagonismo dentro de la economía del país. Las cifras del
Banco Central del Ecuador (BCE), indican un crecimiento a través de los
años, especialmente en el año 2022 que como ya se mencionó se notó un
crecimiento de dos dígitos.
Tasa de variación trimestral de la acuicultura y
pesca de camarón
La tasa de variación de la acuicultura y pesca de camarón trimestral, al
primer trimestre de 2022 fue de 0.07%, bajo el promdio de largo plazo, de
3.19% (línea roja).
Podemos observar que la línea roja representa el promedio y las líneas de
color verde son los límites de confianza en los cuales se encontrarán los
valores de la tasa de variación de la acuicultura y pesca de camarón al 95%
de confianza, las líneas de color azul representan en donde se va a
encontrar la información y la línea de color negro es la variación trimestre a
trimestre de la acuicultura y pesca de camarón.
Medidas descriptivas de la tasa de variación de
la acuicultura y pesca de camarón
Medidas de posición
Dentro de las medidas de posición tenemos que para la variable de la
acuicultura y pesca de camarón el promedio es de 3.19, tiene una mediana
de 2.58 y el valor del primer cuartil se encuentra en -0.11 en donde se
encuentra el 50% de las observaciones y el tercer cuartil en 5.82 que
corresponde al 75% de las observaciones, también se puede notar que su
valor mínimo va a ser de -15.31 y su valor máximo va a ser de 32.81.
Promedio Mediana 1Q 3Q Mín.
3.1997 2.5865 -0.1188 5.8251 -15.3174
Medidas de dispersión
Dentro de las medidas de dispersión se tiene que para la variable de la
acuicultura y pesca de camarón la varianza se encuentra en 49.92, se tiene
una desviación estándar de 7.06 y un rango intercuartílico de 5.94.
Varianza Desv. Est.
49.92572 7.065813
Medidas de forma
En las medidas de forma para la variable de la acuicultura y pesca de
camarón el valor de la asimetría es de -0.09 por lo que tenemos una
distribución asimétrica hacia la izquierda. Al analizar la curtosis obtenemos
un valor de 1.90 por lo que se tiene una curva leptocúrtica, más apuntalada
que la curva normal.
Asimetría Curtosis
-0.09342402 1.901666
Conclusiones
Realizado el análisis de la acuicultura y pesca de camarón se llega a la
conclusión que para poder calcular una previsión se debe tener todo el
conocimiento de cómo se comporta la variable para analizar qué cálculos y
procedimiento se debe seguir, en este caso se analizó que la serie no es
estacionaria por lo que se debió realizar los rezagos correspondientes para
poder convertir a la serie en estacionaria y que sea adecuada para realizar
la previsión, ya obtenida la previsión se calculó la tasa de variación qué fue
de 17.8% la cual al compararla con la del Banco Central tuvo una gran
diferencia ya que esta fue de 3.7% llegando a la conclusión que esto se
debe a qué el Banco Central debió haber utilizado un método distinto al
empleado para realizar la previsión de los trimestres del año 2022.
Referencias
BCE (2017). Metodología de la Información Estadística Mensual. 4ta.
Edición. Banco Central del
Ecuador. https://contenido.bce.fin.ec/documentos/PublicacionesNotas/
Catalogo/IEMensual/metodologia/MetodologiaIEM4taed.pdf
BCE (2022). Boletín de Cuentas Nacionales Trimestrales No. 119. Banco
Central del
Ecuador. https://contenido.bce.fin.ec/documentos/PublicacionesNotas/
Catalogo/CuentasNacionales/Indices/c119062022.htm
El productor (2018). Producción de camarones. El peródico del
campo. https://elproductor.com/2018/03/produccion-de-camarones/
Expreso. (2022). La acuicultura, la única actividad que logró crecer a doble
dígito en primer trimestre. Club
Expreso. https://www.expreso.ec/actualidad/economia/acuicultura-unica-
actividad-crece-doble-digito-primer-trimestre-130709.html
Obsevatorio Económico y Social de Tungurahua. (2018). Acuicultura y pesca
de camarón. https://blogs.cedia.org.ec/obest/wp-content/uploads/sites/
7/2020/06/Acuicultura-y-pesca-de-camar%C3%B3n.pdf
Gujarati, D. (2016). Econometría.
