MEDIDAS DE

DISPERSION
 MEDIDAS DE DISPERSIÓN:

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.
DISPERSIÓN:
¿POR QUÉ ES IMPORTANTE?

• Nos proporciona información adicional que nos

permite juzgar la confiabilidad de nuestra medida de
1 tendencia central.

• Ya que existen problemas característicos para

datos ampliamente dispersos , se debe ser capaz
de distinguir que presentan esa dispersión antes de
2 poder abordar esos problemas.

• Puede ser que se desee comparar las dispersiones

3
de diferentes muestras.
¿PARA QUÉ SIRVE?

La variabilidad de una distribución pretende medir la

representatividad de una característica de
centralización. Evaluando la separación de los datos de
la distribución con respecto a dicha característica.

Son diversos los coeficientes que se definen para medir

la dispersión, dependiendo, en cada caso, de la
característica a la que se hace referencia y de si se
pretende o no relacionar una distribución con otra.
a) Rango, amplitud o recorrido (R)

b) Desviación media (DM).

c) Varianza (s² , σ ² )

d) Desviación estándar
(s,muestral y σ, poblacional ).
e) Coeficiente de Variación (C. V.)
v Rango

Es la diferencia entre el dato mayor y el dato menor.

R= X máx. - Xmín.

v Desviación media
Corresponde a la media aritmética de los valores absolutos de las
desviaciones de los datos. Es una medida de cuanto varían, en promedio,
los datos de la muestra con respecto a la media aritmética
Se conoce como promedio de desviación. Para una serie de N valores
se puede calcular a través de la siguiente expresión:

= Valor absoluto de las desviaciones de los x valores, respecto

de la media.

Y para datos agrupados se tiene:

EJEMPLO:

Hallar la desviación media de: 4,6,12,16,22.

SOLUCION:
__
x = 4 + 6+12+16+22 = 12
5

4-12 = 8
6-12 = 6
12-12 = 0 D.M. = 28/ 5 = 5.6
16-12 = 4
22-12= 10

= 28
v Varianza.

Corresponde a la media aritmética de los cuadrados de las desviaciones

medias de los datos de la muestra. Se expresa en unidades cuadradas. A
mayor dispersión de los datos, la varianza es mayor, y a menor
dispersión, menor es el valor de la varianza.
Es la suma de las desviaciones medias al cuadrado.

EJEMPLO:
Hallar la desviación estándar y la varianza de la siguiente serie de datos.
10, 18, 15, 12, 3,6,5,7

å (x - x )
2

s2 = para datos no agrupados

n

å f (x - x )
2

s2 =
para datos agrupados
n
SOLUCION:

(10-9.5) = 0.25
(18-9.5) = 72.25
(15-9.5) = 30.25
(12-9.5) = 6.25
(3-9.5) = 42.25
(6-9.5) = 12.25
(5-9.5) = 20.25
(7-9.5) = 6.25
(x – x) = 190

S = 4.87
S2 = 23.75
 Observaciones.
1 La varianza, al igual que la media, es un índice muy sensible a las
puntuaciones extremas.

2 En los casos que no se pueda hallar la media tampoco será posible

hallar la varianza.

3 La varianza no viene expresada en las mismas unidades que los

datos, ya que las desviaciones están elevadas al cuadrado.

4 Si la varianza es cero, todos los valores de la variable coinciden con la

media, lo que significa que la dispersión es nula.

5 Cuanto mas alejadas estén las observaciones de la media, mayor

será la varianza
v Desviación estándar o típica.

Es la raíz cuadrada de la varianza de los datos de la muestra y se

utiliza cuando la media aritmética se ha escogido como medida de
tendencia central.

La desviación estándar o desviación tipo se define como

la raíz cuadrada de los cuadrados de las desviaciones de
los valores de la variable respecto a su media.
Ejemplo :
Tú y tus amigos habéis medido las alturas de vuestros perros (en
milímetros):

Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y
300mm. Calcula la media, la varianza y la desviación estándar.

600 + 470 + 170 +

1970
430 + 300
Media = = = 394

5 5
 Ahora calculamos la diferencia de cada altura con la media:

Para calcular la varianza, toma cada diferencia, elévala al cuadrado, y haz la

media:

2062 + 762 + (-224)2 + 362 + (-94)2 108,520

Varianza: σ2 = = = 21,704
5 5
 Tomando los datos del ejercicio 2 anterior:

La varianza es 21,704.

Y la desviación estándar es la raíz de la varianza, así que:

Desviación estándar: σ = √21,704 = 147

Y lo bueno de la desviación estándar es que es útil: ahora veremos qué

alturas están a distancia menos de la desviación estándar (147mm) de la media:

Así que usando la desviación estándar tenemos una manera "estándar" de saber
qué es normal, o extra grande o extra pequeño.
 Observaciones.
1 La raíz cuadrada de un número positivo puede ser tanto positiva
como negativa, porque a2= (-a2).

2 Cuando tomamos la raíz cuadrada de la varianza para calcular la

desviación estándar, los estadísticos solamente consideran la raíz
cuadrada positiva

3 Es útil para describir que tan lejos las observaciones individuales de

una distribución de frecuencias se apartan de la media de la distribución
v Coeficiente de variación.

Es la relación que existe entre la S (desviación estándar o típica) y

la X (media), expresada en términos de porcentaje

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 coeficiente de variación de
Pearson que se define como el cociente entre la desviación
estándar o típica y el valor absoluto de la media aritmética,
representa el numero de veces que la desviación típica contiene la
media aritmética y por lo tanto cuanto mayor es el coeficiente de
variación mayor es la dispersión y menor la representatividad de la
media. Se calcula por:
Ejemplo:

Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 25. ¿Cuál de las dos
presenta mayor dispersión?

La primera distribución presenta mayor dispersión.

EJEMPLO:

Hallar el coeficiente de variación de una serie de datos cuya

S= 2 y X = 16.

SOLUCION:
C.V. = 2 (100)= 12.5%
16