República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Instituto Universitario de Tecnología “Rodolfo Loero Arismendi”
Barquisimeto-Lara
Medidas de dispersión
Estudiante
:María Goyo
V- 30.377.010
Prof. Ramón Duran
Introducción
Cuando hablamos de medidas absolutas en el contexto estadístico, una de las
herramientas importantes que se utilizan son las medias absolutas. Las medias
absolutas, como la media aritmética o la media ponderada, son medidas que
proporcionan información sobre el valor promedio de un conjunto de datos sin tener en
cuenta su relación con otras variables.
En un entorno laboral, el uso de medias absolutas puede ser crucial para comprender la
tendencia central de ciertos parámetros relevantes para la toma de decisiones. Por
ejemplo, en el ámbito financiero, calcular la media absoluta de los ingresos mensuales
de una empresa puede ayudar a tener una visión clara del rendimiento promedio sin
considerar factores externos.
En este trabajo relacionado con las medias absolutas recopilaremos datos precisos y
aplicaremos fórmulas específicas para calcular estas medidas.
En resumen, en un entorno laboral, el uso de medias absolutas puede proporcionar
información invaluable para la toma de decisiones informadas al ofrecer una visión
clara sobre el valor promedio de ciertos parámetros sin tener en cuenta otras variables.
Desviación cuartil
La desviación cuartílica, también conocida como desviación cuartílica absoluta,
es una medida de dispersión que se basa en los cuartiles de una distribución de
datos. Los cuartiles dividen un conjunto de datos ordenados en cuatro partes
iguales, lo que permite evaluar la dispersión en torno a estos puntos de corte.
Para calcular la desviación cuartílica, se sigue el siguiente procedimiento:
1. Se identifican los tres cuartiles Q1, Q2 (mediana) y Q3 de la distribución de datos.
2. Se calcula la mitad de la distancia intercuartílica (Q3 - Q1) / 2, que representa la
mitad del rango intercuartílico.
3. La desviación cuartílica se define como la mitad del rango intercuartílico dividido
por 0.6745.
Ejemplo:
Supongamos que tenemos el siguiente conjunto de datos ordenados:
5, 7, 8, 10, 12, 14, 18, 20
Paso 1: Identificación de los cuartiles
Para este conjunto de datos, el primer cuartil (Q1) es 7, la mediana (Q2) es 11 y el tercer
cuartil (Q3) es 16.
Paso 2: Cálculo de la mitad del rango intercuartílico
El rango intercuartílico es Q3 - Q1 = 16 - 7 = 9. La mitad de este valor es 4.5.
Paso 3: Cálculo de la desviación cuartílica
La desviación cuartílica se define como la mitad del rango intercuartílico dividido por
0.6745. En este caso, sería 4.5 / 0.6745 ≈ 6.67.
Por lo tanto, la desviación cuartílica para este conjunto de datos es aproximadamente
6.67
Varianza
La varianza es una medida de dispersión que representa la variabilidad de un conjunto
de datos con respecto a su media. Algunas de las propiedades más destacadas de la
varianza son las siguientes:
1. Sensibilidad a los datos: La varianza es sensible a la presencia de valores atípicos o
extremos en el conjunto de datos. Un solo valor atípico puede tener un impacto
significativo en la varianza, lo que puede hacer que esta medida de dispersión no sea
robusta en presencia de datos atípicos.
2. Unidad cuadrática: La varianza se expresa en unidades cuadráticas con respecto a los
datos originales. Esto significa que la varianza de un conjunto de datos cuyas unidades
son, por ejemplo, metros al cuadrado, será en metros al cuadrado.
3. No negativa: La varianza siempre es un número no negativo, ya que se calcula como
la media de las desviaciones al cuadrado con respecto a la media, lo que garantiza que
su valor sea mayor o igual a cero.
4. Relación con la desviación estándar: La varianza es el cuadrado de la desviación
estándar, lo que significa que estas dos medidas de dispersión están estrechamente
relacionadas. La desviación estándar se utiliza a menudo en lugar de la varianza porque
proporciona una medida en las mismas unidades que los datos originales y es más fácil
de interpretar.
Desviación estándar
La desviación estándar, también conocida como desviación típica, es una medida de
dispersión que representa la variabilidad o la propagación de un conjunto de datos con
respecto a su media. Es una de las medidas de dispersión más comunes y se utiliza
ampliamente en estadística y análisis de datos. Algunas características clave de la
desviación estándar son las siguientes:
1. Unidades originales: A diferencia de la varianza, que se expresa en unidades
cuadráticas, la desviación estándar se expresa en las mismas unidades que los datos
originales. Esto facilita su interpretación y comparación con los valores individuales del
conjunto de datos.
2. Sensibilidad a los datos atípicos: Al igual que la varianza, la desviación estándar es
sensible a la presencia de valores atípicos en el conjunto de datos. Un valor atípico
puede afectar significativamente la desviación estándar, lo que puede ser una
consideración importante al analizar conjuntos de datos con valores extremos.
3. Relación con la varianza: La desviación estándar es simplemente la raíz cuadrada
positiva de la varianza. Esta relación significa que ambas medidas proporcionan
información sobre la dispersión de los datos, pero la desviación estándar se expresa en
las mismas unidades que los datos originales, lo que la hace más fácil de interpretar.
Características
1. Medida de dispersión: La desviación estándar proporciona información sobre la
dispersión o variabilidad de un conjunto de datos con respecto a su media. Es útil para
comprender cuán dispersos están los valores individuales alrededor de la media.
2. Evaluación de la precisión: En campos como la ciencia, la ingeniería y la
investigación, la desviación estándar se utiliza para evaluar la precisión y consistencia
de mediciones o resultados. Una menor desviación estándar puede indicar mayor
precisión en las mediciones.
3. Comparación de distribuciones: La desviación estándar se utiliza para comparar la
dispersión de diferentes conjuntos de datos. Permite determinar cuál conjunto tiene una
mayor variabilidad en relación con su media.
4. Análisis financiero: En el ámbito financiero, se utiliza para medir el riesgo asociado
con inversiones o activos financieros. Un mayor valor de desviación estándar puede
indicar un mayor riesgo asociado con una inversión.
5. Control de calidad: En la industria y manufactura, la desviación estándar se utiliza
para monitorear y controlar la calidad de los procesos productivos. Ayuda a identificar
variaciones no deseadas en la producción.
6. Modelado estadístico: En modelado y análisis estadístico, la desviación estándar se
utiliza para comprender la dispersión de los datos alrededor de un modelo teórico o una
distribución específica.
Ejemplo
Imaginemos que tenemos un conjunto de datos que representa las puntuaciones de un
examen en una clase de matemáticas. Las puntuaciones son las siguientes: 70, 80, 85,
90, y 95. Primero, calculamos la media aritmética de estas puntuaciones sumándolas y
dividiendo el resultado entre el número total de puntuaciones. En este caso, la media
sería:
(70 + 80 + 85 + 90 + 95) / 5 = 84
Una vez que tenemos la media, podemos calcular la desviación estándar. La fórmula
para la desviación estándar implica restar la media de cada puntuación, elevar al
cuadrado cada diferencia, calcular el promedio de estos cuadrados y finalmente tomar la
raíz cuadrada. Sin embargo, para simplificar este ejemplo, supongamos que ya hemos
calculado los cuadrados de las diferencias y obtenemos los siguientes valores:
(70-84)^2 = 196
(80-84)^2 = 16
(85-84)^2 = 1
(90-84)^2 = 36
(95-84)^2 = 121
Ahora sumamos estos valores y obtenemos:
196 + 16 + 1 + 36 + 121 = 370
Luego dividimos esta suma entre el número total de puntuaciones (5) y obtenemos:
370 / 5 = 74
Finalmente, tomamos la raíz cuadrada de este resultado para obtener la desviación
estándar:
√74 ≈ 8.6
Por lo tanto, la desviación estándar aproximada para este conjunto de puntuaciones es
de alrededor de 8.6
Coeficiente de variación
El coeficiente de variación (CV) es una medida de la variabilidad relativa de un
conjunto de datos en relación con su media. Se utiliza para comparar la dispersión de
dos o más conjuntos de datos que tienen diferentes escalas o unidades de medida. El
cálculo del coeficiente de variación se expresa como un porcentaje y se calcula
utilizando la fórmula:
CV = (desviación estándar / media) * 100
Donde:
- La desviación estándar es la medida de dispersión del conjunto de datos.
- La media es el valor promedio del conjunto de datos.
El coeficiente de variación es útil cuando se desea comparar la variabilidad de
diferentes conjuntos de datos, especialmente si tienen diferentes unidades de medida o
escalas. Un coeficiente de variación más bajo indica una menor variabilidad relativa en
comparación con la media, mientras que un coeficiente de variación más alto indica una
mayor variabilidad relativa.
Ejemplo
Supongamos que tenemos dos conjuntos de datos que representan las alturas de dos
grupos de personas, pero cada conjunto está en una escala diferente.
Grupo A: Alturas en centímetros
160, 165, 170, 175, 180
Grupo B: Alturas en pulgadas
63, 65, 67, 69, 71
Primero calculamos la media y la desviación estándar para cada grupo. Luego usaremos
estos valores para calcular el coeficiente de variación y comparar la variabilidad relativa
entre los dos grupos.
Para el Grupo A:
Media = (160 + 165 + 170 + 175 + 180) / 5 = 170
Desviación estándar = (valor numérico de la desviación estándar)
Para el Grupo B:
Media = (63 + 65 + 67 + 69 + 71) / 5 ≈ 67
Desviación estándar = (valor numérico de la desviación estándar)
Una vez que tengamos la desviación estándar y la media para cada grupo, podemos
calcular el coeficiente de variación utilizando la fórmula:
CV = (desviación estándar / media) * 100
Calculamos el CV para cada grupo y luego comparamos los resultados para ver cuál
grupo tiene una mayor variabilidad relativa en relación con su media.
Conclusión
En conclusión, las medidas de dispersión y el coeficiente de variación son herramientas
fundamentales en el análisis estadístico. Nos permiten comprender la variabilidad y
consistencia de los datos, así como comparar la dispersión relativa entre diferentes
conjuntos de datos. Al aplicar estas medidas en diversos contextos, podemos obtener
información valiosa que nos ayuda a tomar decisiones fundamentadas. Por lo tanto, es
crucial comprender y utilizar estas medidas con el fin de obtener conclusiones
significativas a partir de los datos analizados."
