Sei sulla pagina 1di 19

Introduccin:

La palabra "estadstica" suele utilizarse bajo dos significados distintos, a saber: 1 Como coleccin de datos numricos.- Esto es el significado ms vulgar de la palabra estadstica. Se sobrentiende que dichos datos numricos han de estar presentados de manera ordenada y sistemtica. Una informacin numrica cualquiera puede no constituir una estadstica, para merecer este apelativo, los datos han de constituir un conjunto coherente, establecido de forma sistemtica y siguiendo un criterio de ordenacin. Tenemos muchos ejemplos de este tipo de estadsticas. El Anuario Estadstico publicado por el Instituto Nacional de Estadstica, El Anuario de Estadsticas del Trabajo, 2 Como ciencia.- En este significado, La Estadstica estudia el comportamiento de los fenmenos de masas. Como todas las ciencias, busca las caractersticas generales de un colectivo y prescinde de las particulares de cada elemento. As por ejemplo al investigar el sexo de los nacimientos, iniciaremos el trabajo tomando un grupo numeroso de nacimientos y obtener despus la proporcin de varones. Es muy frecuente enfrentarnos con fenmenos en los que es muy difcil predecir el resultado; as, no podemos dar una lista ,con las personas que van a morir con una cierta edad, o el sexo de un nuevo ser hasta que transcurra un determinado tiempo de embarazo, Por tanto, el objetivo de la estadstica es hallar las regularidades que se encuentran en los fenmenos de masa.

Poblacin, elementos y caracteres.


Es obvio que todo estudio estadstico ha de estar referido a un conjunto o coleccin de personas o cosas. Este conjunto de personas o cosas es lo que denominaremos poblacin. Las personas o cosas que forman parte de la poblacin se denominan elementos. En sentido estadstico un elemento puede ser algo con existencia real, como un automvil o una casa, o algo ms abstracto como la temperatura, un voto, o un intervalo de tiempo. A su vez, cada elemento de la poblacin tiene una serie de caractersticas que pueden ser objeto del estudio estadstico. As por ejemplo si consideramos como elemento a una persona, podemos distinguir en ella los siguientes caracteres: Sexo, Edad, Nivel de estudios, Profesin, Peso, Altura, Color de pelo,Etc. Luego por tanto de cada elemento de la poblacin podremos estudiar uno o ms aspectos cualidades o caracteres. La poblacin puede ser segn su tamao de dos tipos: Poblacin finita: cuando el nmero de elementos que la forman es finito, por ejemplo el nmero de alumnos de un centro de enseanza, o grupo clase. Poblacin infinita: cuando el nmero de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos.. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta poblacin podra considerarse infinita.

Ahora bien, normalmente en un estudio estadstico, no se puede trabajar con todos los elementos de la poblacin sino que se realiza sobre un subconjunto de la misma. Este subconjunto puede ser una muestra, cuando se toman un determinado nmero de elementos de la poblacin, sin que en principio tengan nada en comn; o una subpoblacin, que es el subconjunto de la poblacin formado por los elementos de la poblacin que comparten una determinada caracterstica, por ejemplo de los alumnos del centro la subpoblacin formada por los alumnos de 3 ESO, o la subpoblacin de los varones.

Variables y atributos.
Como hemos visto, los caracteres de un elemento pueden ser de muy diversos tipos, por lo que los podemos clasificar en: dos grandes clases: Variables Cuantitativas. Variables Cualitativas o Atributos. Las variables cuantitativas son las que se describen por medio de nmeros, como por ejemplo el peso, Altura, Edad, Nmero de Suspensos A su vez este tipo de variables se puede dividir en dos subclases: Cuantitativas discretas. Aquellas a las que se les puede asociar un nmero entero, es decir, aquellas que por su naturaleza no admiten un fraccionamiento de la unidad, por ejemplo nmero de hermanos, pginas de un libro, etc. Cuantitativas continuas: Aquellas que no se pueden expresar mediante un nmero entero, es decir, aquellas que por su naturaleza admiten que entre dos valores cualesquiera la variable pueda tomar cualquier valor intermedio, por ejemplo peso, tiempo. etc.

No obstante en muchos casos el tratamiento estadstico hace que a variables discretas las trabajemos como si fuesen continuas y viceversa. Los atributos son aquellos caracteres que para su definicin precisan de palabras, es decir, no le podemos asignar un nmero. Por ejemplo Sexo Profesin, Estado Civil, etc. A su vez las podemos clasificar en: Ordenables: Aquellas que sugieren una ordenacin, por ejemplo la graduacin militar, El nivel de estudios, etc. No ordenables: Aquellas que slo admiten una mera ordenacin alfabtica, pero no establece orden por su naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.

Introduccin:
La palabra "estadstica" suele utilizarse bajo dos significados distintos, a saber:

1 Como coleccin de datos numricos.- Esto es el significado ms vulgar de la palabra estadstica. Se sobrentiende que dichos datos numricos han de estar presentados de manera ordenada y sistemtica. Una informacin numrica cualquiera puede no constituir una estadstica, para merecer este apelativo, los datos han de constituir un conjunto coherente, establecido de forma sistemtica y siguiendo un criterio de ordenacin. Tenemos muchos ejemplos de este tipo de estadsticas. El Anuario Estadstico publicado por el Instituto Nacional de Estadstica, El Anuario de Estadsticas del Trabajo, 2 Como ciencia.- En este significado, La Estadstica estudia el comportamiento de los fenmenos de masas. Como todas las ciencias, busca las caractersticas generales de un colectivo y prescinde de las particulares de cada elemento. As por ejemplo al investigar el sexo de los nacimientos, iniciaremos el trabajo tomando un grupo numeroso de nacimientos y obtener despus la proporcin de varones. Es muy frecuente enfrentarnos con fenmenos en los que es muy difcil predecir el resultado; as, no podemos dar una lista ,con las personas que van a morir con una cierta edad, o el sexo de un nuevo ser hasta que transcurra un determinado tiempo de embarazo, Por tanto, el objetivo de la estadstica es hallar las regularidades que se encuentran en los fenmenos de masa.

Poblacin, elementos y caracteres.


Es obvio que todo estudio estadstico ha de estar referido a un conjunto o coleccin de personas o cosas. Este conjunto de personas o cosas es lo que denominaremos poblacin. Las personas o cosas que forman parte de la poblacin se denominan elementos. En sentido estadstico un elemento puede ser algo con existencia real, como un automvil o una casa, o algo ms abstracto como la temperatura, un voto, o un intervalo de tiempo. A su vez, cada elemento de la poblacin tiene una serie de caractersticas que pueden ser objeto del estudio estadstico. As por ejemplo si consideramos como elemento a una persona, podemos distinguir en ella los siguientes caracteres: Sexo, Edad, Nivel de estudios, Profesin, Peso, Altura, Color de pelo,Etc. Luego por tanto de cada elemento de la poblacin podremos estudiar uno o ms aspectos cualidades o caracteres. La poblacin puede ser segn su tamao de dos tipos: Poblacin finita: cuando el nmero de elementos que la forman es finito, por ejemplo el nmero de alumnos de un centro de enseanza, o grupo clase. Poblacin infinita: cuando el nmero de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos.. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta poblacin podra considerarse infinita. Ahora bien, normalmente en un estudio estadstico, no se puede trabajar con todos los elementos de la poblacin sino que se realiza sobre un subconjunto de la misma. Este subconjunto puede ser una muestra, cuando se toman un determinado nmero de elementos de la poblacin, sin que en principio tengan nada en

comn; o una subpoblacin, que es el subconjunto de la poblacin formado por los elementos de la poblacin que comparten una determinada caracterstica, por ejemplo de los alumnos del centro la subpoblacin formada por los alumnos de 3 ESO, o la subpoblacin de los varones.

Variables y atributos.
Como hemos visto, los caracteres de un elemento pueden ser de muy diversos tipos, por lo que los podemos clasificar en: dos grandes clases: Variables Cuantitativas. Variables Cualitativas o Atributos. Las variables cuantitativas son las que se describen por medio de nmeros, como por ejemplo el peso, Altura, Edad, Nmero de Suspensos A su vez este tipo de variables se puede dividir en dos subclases: Cuantitativas discretas. Aquellas a las que se les puede asociar un nmero entero, es decir, aquellas que por su naturaleza no admiten un fraccionamiento de la unidad, por ejemplo nmero de hermanos, pginas de un libro, etc. Cuantitativas continuas: Aquellas que no se pueden expresar mediante un nmero entero, es decir, aquellas que por su naturaleza admiten que entre dos valores cualesquiera la variable pueda tomar cualquier valor intermedio, por ejemplo peso, tiempo. etc.

No obstante en muchos casos el tratamiento estadstico hace que a variables discretas las trabajemos como si fuesen continuas y viceversa. Los atributos son aquellos caracteres que para su definicin precisan de palabras, es decir, no le podemos asignar un nmero. Por ejemplo Sexo Profesin, Estado Civil, etc. A su vez las podemos clasificar en: Ordenables: Aquellas que sugieren una ordenacin, por ejemplo la graduacin militar, El nivel de estudios, etc. No ordenables: Aquellas que slo admiten una mera ordenacin alfabtica, pero no establece orden por su naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc.

Tablas Estadsticas:
A partir de este momento nos vamos a ocupar de las estadsticas de una sola variable, "Estadsticas Unidimensionales". Las tablas estadsticas segn el nmero de observaciones y segn el recorrido de la variable estadstica, as tenemos los siguientes tipos de tablas estadsticas:

1. Tablas Tipo I 2. Tablas Tipo II 3. Tablas Tipo III

Tablas tipo I:
Cuando el tamao de la muestra y el recorrido de la variable son pequeos, por ejemplo si tenemos una muestra de las edades de 5 personas, por lo que no hay que hacer nada especial simplemente anotarlas de manera ordenada en filas o columnas. Edad de los 5 miembros de una familia: 5, 8, 16, 38, 45

Tablas tipo II:


Cuando el tamao de la muestra es grande y el recorrido de la variable es pequeo, por lo que hay valores de la variable que se repiten. Por ejemplo, si preguntamos el nmero de personas activas que hay en 50 familias obtenemos la siguiente tabla: Personas Activas en 50 familias 2 2 2 3 1 1 3 2 2 3 2 2 1 3 4 2 1 2 1 3 1 1 1 2 2 2 1 1 4 2 4 3 1 2 2 2 4 3 1 1 1 2 2 4 3 1 2 2 1 3

Podemos observar que la variable toma valores comprendidos entre 1 y 4, por lo que precisaremos una tabla en la que resumamos estos datos quedando la siguiente tabla: Personas Activas 1 2 3 4 Total Nmero de Familias 16 20 9 5 50

Tablas tipo III:


Cuando el tamao de la muestra y el recorrido de la variable son grandes, por lo que ser necesario agrupar en intervalos los valores de la variable. Por ejemplo si a un grupo de 30 alumnos les preguntamos el dinero que en ese momento llevan encima, nos encontramos con los siguientes datos:

450 5

1152 180

250 200

300 675

175 500

80 375

25 1500

2680 205

605 985

785 185

1595 125

2300 315

5000 425

1200 560

100

110 0

Evidentemente, la variable estadstica tiene un recorrido muy grande, 4998 pesetas, por lo que s queremos hacer una tabla con estos datos tendremos que tomar intervalos. Para decidir la amplitud de los intervalos, necesitaremos decidir cuntos intervalos queremos?. Normalmente se suele trabajar con no ms de 10 o 12 intervalos. Amplitud =4998/10 = 499,8 Por lo que tomaremos intervalos de amplitud 500 Debemos tener en cuenta las siguientes consideraciones: Tomar pocos intervalos implica que la "prdida de informacin" sea mayor. Los intervalos sern siempre Cerrados por la izquierda y Abiertos por la Derecha [ Li-1 , Li ) Procuraremos que en la decisin de intervalos los valores observados no coincidan con los valores de los extremos del intervalo y si esto ocurre que no sea en ms de un 5% del total de observaciones. Con estas recomendaciones tendremos la siguiente tabla:

[ Li-1 , Li ) [ 0,500) [ 500, 1000) [ 1000,1500) [ 1500, 2000) [ 2000, 2500) [ 2500, 3000) [ 3000, 3500) [ 3500, 4000) [ 4000, 4500) [ 4500, 5000) [ 5000,5500)

Frecuencia 16 6 3 2 1 1 0 0 0 0 1

.3. Tcnicas de recuento.


Aunque hoy en da, si se realiza un estudio estadstico importante esta tarea la realiza el ordenador, ya sea por medio de programas de estadstica especficos BMDP, SPSS, o bien utilizando herramientas informticas de propsito general como Bases de Datos u Hojas de Clculo A lo largo del curso, veremos como mediante hojas de clculo o bases de datos podemos realizar este recuento. Veamos como realizaramos este proceso manualmente, para ello veremos diversas tcnicas de ir anotando 53-1-u-puntuaciones:

Aunque el mtodo ms utilizado o conocido sea el primero, quizs el ms cmodo de utilizar es el 2 en la mayora de los casos.

Distintos Tipos de Frecuencia:


Una de los primeros pasos que se realizan en cualquier estudio estadstico es la tabulacin de resultados, es decir, recoger la informacin de la muestra resumida en una tabla en la que a cada valor de la variable se le asocian determinados nmeros que representan el nmero de veces que ha aparecido, su proporcin con respecto a otros valores de la variable, etc. Estos nmeros se denominan frecuencias: As tenemos los siguientes tipos de frecuencia:

1. 2. 3. 4. 5. 6. 7.

Frecuencia absoluta Frecuencia relativa Porcentaje Frecuencia absoluta acumulada Frecuencia relativa acumulada Porcentaje acumulado Ejemplo

Frecuencia absoluta:
La frecuencia absoluta de una variable estadstica es el nmero de veces que aparece en la muestra dicho valor de la variable, la representaremos por ni

Frecuencia relativa:
La frecuencia absoluta, es una medida que est influida por el tamao de la muestra, al aumentar el tamao de la muestra aumentar tambin el tamao de la frecuencia absoluta. Esto hace que no sea una medida til para poder comparar. Para esto es necesario introducir el concepto de frecuencia relativa, que es el cociente entre la frecuencia absoluta y el tamao de la muestra. La denotaremos por fi

Donde N = Tamao de la muestra

Porcentaje:
La frecuencia relativa es un tanto por uno, sin embargo, hoy da es bastante frecuente hablar siempre en trminos de tantos por ciento o porcentajes, por lo que esta medida resulta de multiplicar la frecuencia relativa por 100. La denotaremos por pi.

Frecuencia Absoluta Acunulada:


Para poder calcular este tipo de frecuencias hay que tener en cuenta que la variable estadstica ha de ser cuantitativa o cualitativa ordenable. En otro caso no tiene mucho sentido el clculo de esta frecuencia. La frecuencia absoluta acumulada de un valor de la variable, es el nmero de veces que ha aparecido en la muestra un valor menor o igual que el de la variable y lo representaremos por Ni.    

Frecuencia Relativa Acunulada:


Al igual que en el caso anterior la frecuencia relativa acumulada es la frecuencia absoluta acumulada dividido por el tamao de la muestra, y la denotaremos por Fi

Porcentaje Acumulado:
Anlogamente se define el Porcentaje Acumulado y lo vamos a denotar por Pi como la frecuencia relativa acumulada por 100.

  Veamos esto con un ejemplo: Tomamos para ello los datos relativos a las personas activas.

Personas Activas Xi 1 2

Nmero Familias ni 16 20 Fi 16/50 20/50 pi 32% 40% Ni 16 36 Fi 16/50 36/50 Pi 32% 72%

3 4 Total

9 5 50

9/50 5/50

18% 10%

45 50

45/50 50/50

90% 100%

En este ejemplo se puede ver fcilmente como se calculan estas frecuencias.

Medidas Estadsticas:
1. Introduccin. 2. Tipos de Medida 3. Algunas consideraciones

INTRODUCCIN:

En el resto del tema nos ocuparemos exclusivamente de las variable cuantitativas, puesto que con los atributos no se pueden realizar operaciones aritmticas. Como hemos estudiado, las variables estadsticas cuantitativas se dividen o clasifican en discretas o continuas, por lo que necesitaremos precisar cmo se calculan dichas medidas en cada caso.

En las variables cuantitativas continuas, dado que la tabulacin de los datos se hace mediante intervalos, necesitaremos tomar un valor del intervalo para poder operar. Este valor se denomina marca de clase y es el 53-1-u-punto medio del intervalo.

Las medidas estadsticas pretenden "resumir" la informacin de la "muestra" para poder tener as un mejor conocimiento de la poblacin. Se clasifican en:

TIPOS DE MEDIDA:
1. Medidas de Centralizacin: 2. Medidas de Dispersin:
Nos van a dar una idea sobre la representatividad de las medidas centrales, a mayor dispersin menor representatividad. 3. Medidas de Localizacin: o tiles para encontrar determinados valores importantes, para una "clasificacin" de los elementos de la muestra o poblacin. 4. Medidas de la Simetra: o Sirven para ver si la distribucin tiene el mismo comportamiento por encima y por debajo de los valores centrales. 5. Ejemplo del clculo de los coeficientes de simetra y Curtsis o o Que sirven para determinar los valores centrales o medios de la dsitribucin

ALGUNAS CONSIDERACIONES:
El Estadstico Yule ha definido algunas propiedades deseables para una medida estadstica: 1. Debe definirse de manera objetiva: dos observadores distintos deben llegar al mismo resultado numrico. 2. Usar todas las observaciones y no algunas de ellas solamente, de manera que si varia alguna observacin la medida considerada debe reflejar esta variacin. 3. Tener un significado concreto: la interpretacin debe ser inmediata y sencilla. 4. Ser sencilla de calcular. 5. Prestarse fcilmente al clculo algebraico: Lo que permitir demostraciones mas elegantes. 6. Ser poco sensible a las fluctuaciones muestrales. Esta condicin es imprescindible en la Estadstica Matemtica y en la Teora de Sondeos.

Medidas de Centralizacin:
1. Media 1. Media aritmtica 2. Media geomtica 3. Media armnica 2. Mediana 1. Variable discreta. 2. Variable contnua. 3. Moda

1. Variable discreta. 2. Variable contnua.

MEDIA:
Vamos a estudiar en este apartado los distintos tipos de media que hemos detallado en el apartado anterior

Media aritmtica:
La media aritmtica de una variable se define como la suma ponderada de los valores de la variable por sus frecuencias relativas y lo denotaremos por y se calcula mediante la expresin:

xi representa el valor de la variable o en su caso la marca de clase.

Propiedades:
1. 2. 3. Si multiplicamos o dividimos todas las observaciones por un mismo nmero, la media queda multiplicada o dividida por dicho numero. Si le sumamos a todas las observaciones un mismo nmero, la media aumentar en dicha cantidad. Adems de la media aritmtica existen otros conceptos de media, como son la media geomtrica y la media armnica.

Media geomtrica:
La media geomtrica de N observaciones es la raz de ndice N del producto de todas las observaciones. La representaremos por G.

Solo se puede calcular si no hay observaciones negativas. Es una medida estadstica poco o nada usual.

Media armnica:
La media armnica de N observaciones es la inversa de la media de las inversas de las observaciones y la denotaremos por H

Al igual que en el caso de la media geomtrica su utilizacin es bastante poco frecuente.

Mediana:
La mediana es el valor central de la variable, es decir, supuesta la muestra ordenada en orden creciente o decreciente, el valor que divide en dos partes la muestra. Para calcular la mediana debemos tener en cuenta si la variable es discreta o continua. Clculo de la mediana en el caso discreto: Tendremos en cuenta el tamao de la muestra.

Si N es Impar, hay un trmino central, el trmino

que ser el valor de la mediana.

Si N es Par, hay dos trminos centrales,

la mediana ser la media de esos dos valores

Veamos un ejemplo. N parN Impar

1,4,6,7,8,9,12,16,20, 24,25,27 N=12 Trminos Centrales el 6 y 7 9 y 12

1,4,6,7,8,9,12,16,20, 24,25,27,30 N=13 Trmino Central el 7 , 12 Me=12

Me= Clculo de la mediana en el caso continuo: Si la variable es continua, la tabla vendr en intervalos, por lo que se calcula de la siguiente forma:

Nos vamos a apoyar en un grfico de un histograma de frecuencias acumuladas.

De donde la mediana vale: intervalo Vemoslo por medio de un ejemplo.

donde ai es la amplitud del

Supongamos los pesos de un grupo de 50 personas se distribuyen de la siguiente forma: Li-1 45 55 65 75 85 Li 55 65 75 85 95 ni 6 10 19 11 4 Ni 6 16 35 46 50 Me= Como el tamao de la muestra es N=50, buscamos el intervalo en el que la Frecuencia acumulada es mayor que 50/2=25, que en este caso es el 3 y aplicamos la frmula anterior. Luego la Mediana ser

MODA:
La moda es el valor de la variable que tenga mayor frecuencia absoluta, la que ms se repite, es la nica medida de centralizacin que tiene sentido estudiar en una variable cualitativa, pues no precisa la realizacin de ningn clculo.

Por su propia definicin, la moda no es nica, pues puede haber dos o ms valores de la variable que tengan la misma frecuencia siendo esta mxima. En cuyo caso tendremos una distribucin bimodal o polimodal segn el caso. Por lo tanto el clculo de la moda en distribuciones discretas o cualitativas no precisa de una explicacin mayor; sin embargo, debemos detenernos un poco en el clculo de la moda para distribuciones cuantitativas continuas.

Apoyndonos en el grfico podemos llegar a la determinacin de la expresin para la Moda que es:

Otros autores dan una expresin aproximada para la moda que viene dada por la siguiente expresin:

Veamos su clculo mediante un ejemplo, para ello usaremos los datos del apartado anterior Li-1 45 55 65 75 85 Li 55 65 75 85 95 ni 6 10 19 11 4 Ni 6 16 35 46 50 Utilizando la frmula aproximada

MEDIDAS DE DISPERSIN:
1. Breve Introduccin 2. Rango 3. Concepto de desviacin 4. Desviacin Media 5. Varianza 6. Desviacin Tpica 7. Cuasivarianza 8. Cuasi Desviacin tpica 9. Coeficiente de Variacin 10. Ejemplo

Breve Introduccin Hasta el momento hemos estudiado los valores centrales de la distribucin, pero tambin es importante conocer si los valores en general estn cerca o alejados de estos valores centrales, es por lo que surge la necesidad de estudiar medidas de dispersin. Rango: Es la primera medida que vamos a estudiar, se define como la diferencia existente entre el valor mayor y el menor de la distribucin,. Lo notaremos como R. Realmente no es una medida muy significativa e la mayora de los casos, pero indudablemente es muy fcil de calcular. Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de desviacin con respecto a cualquiera de ellas, sin embargo, la mas utilizada es con respecto a la media. Desviacin: Es la diferencia que se observa entre el valor de la variable y la media aritmtica. La denotaremos por di . No es una medida, son muchas medidas, pues cada valor de la variable lleva asociada su correspondiente desviacin, por lo que precisaremos una medida que resuma dicha informacin.

La primera solucin puede ser calcular la media de todas las desviaciones, es decir, si consideramos como muestra la de todas las desviaciones y calculamos su media. Pero esta solucin es mala pues como veremos siempre va a ser 0.

Luego por lo tanto esta primera idea no es valida, pues las desviaciones positivas se contrarrestan con las negativas. Para resolver este problema, tenemos dos caminos: Tomar el valor absoluto de las desviaciones. Desviacin media Elevar al cuadrado las desviaciones. Varianza.

Desviacin media: Es la media de los valores absolutos de las desviaciones, y la denotaremos por dm.

Varianza:

Es la media de los cuadrados de las desviaciones, y la denotaremos por

o tambin por

Aunque tambin es posible calcularlo como:

Este estadstico tiene el inconveniente de ser poco significativo, pues se mide en el cuadrado de la unidad de la variable, por ejemplo, si la variable viene dada en cm. La varianza vendr en cm2.

Desviacin tpica: Es la raz cuadrada de la varianza, se denota por Sx o


x

Este estadstico se mide en la misma unidad que la variable por lo que se puede interpretar mejor. Otros dos estadsticos importantes son la cuasivarianza y la cuasidesviacin tpica, que como veremos cuando estudiemos el tema de estimacin estadstica, son los estimadores de la varianza y desviacin tpica poblacionales respectivamente. Cuasivarianza: Es una medida de dispersin, cuya nica diferencia con la varianza es que dividimos por N-1, la representaremos por o y la calcularemos de la siguiente forma:

Cuasidesviacin tpica: La raz cuadrada de la cuasivarianza y la denotaremos por SN1 o


N-1

Todas estas medidas de dispersin vienen influidas por la unidad en la que se mide la variable, esto implica que si cambiamos de unidad de medida, los valores de estos estadsticos se vean a su vez modificados. Adems, no permite comparar por ejemplo, en un grupo de alumnos si los pesos o las alturas presentan mas dispersin. Pues no es posible comparar unidades de distinto tipo. Precisamos por lo tanto, una medida "escalar", es decir, que no lleve asociado ninguna unidad de medida. Coeficiente de Variacin: Es un estadstico de dispersin que tiene la ventaja de que no lleva asociada ninguna unidad, por lo que nos permitir decir entre dos muestras, cual es la que presenta mayor dispersin. La denotaremos por C.V.

Ejemplo
Veamos por ltimo un ejemplo de cmo se calculan todas estas medidas.

45 55 65 75 85

55 65 75 85 95 N=

6 10 19 11 4 50

6 16 35 46 50

50 60 70 80 90

300 600 1330 880 360 3470

-19,4 -9,4 0,6 10,6 20,6

116,4 94 11,4 116,6 82,4 420,8

2258,16 883,6 6,84 1235,96 1697,44 6082

15000 36000 93100 70400 32400 246900

= Dm=

C.V.=