UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS ADMINISTRATIVAS

INVESTIGACIÓN

Asignatura:

Estadística I

DOCENTE:

GABRIEL BARRIONUEVO DELAROSA

Nombre:

José Sesme

Curso:

3-1

2018-2019
Med id as d e D is p ers ión

Las   med id as d e d is p ers ión   nos informan s obre cuánto s e

alejan del centro los valores de la dis tribución.

Las   med id as d e d is p ers ión   son:

Rango o recorrido

El  ran go  es la  d iferen cia  entre el  mayor  y el   men or  de

los  d atos  de una dis tribución es tadís tica.

Desviación media

La desviación respecto a la media  es la diferencia  entre

cada valor de la variable estadística y la  media aritmética .

D i  = x - x

La desviación media es la media aritmética  de los valores

absolutos de las desviaciones respecto a la media .
 La desviación media se representa por  

Ejemplo

Calcular la  desviación media de la distribución:

9, 3, 8, 8, 9, 8, 9, 18
Desviación media o desviación promedio

La desviación media o desviación promedio es la media aritmética de los valores absolutos

de las desviaciones respecto a la media aritmética.
1.1) PROPIEDADES
Guarda las mismas dimensiones que las observaciones. La suma de valores absolutos es
relativamente sencilla de calcular, pero esta simplicidad tiene un inconveniente: Desde el
punto de vista geométrico, la distancia que induce la desviación media en el espacio de
observaciones no es la natural (no permite definir ángulos entre dos conjuntos de
observaciones). Esto hace que sea muy engorroso trabajar con ella a la hora de hacer
inferencia a la población.
Cuando mayor sea el valor de la desviación media, mayor es la dispersión de los datos. Sin
embargo, no proporciona una relación matemática precisa entre su magnitud y la posición
de un dato dentro de una distribución.
La desviación media al tomar los valores absolutos mide una observación sin mostrar si la
misma está por encima o por debajo de la media aritmética.
1.2) MÉTODOS DE CÁLCULO
1.2.1) Para Datos No Agrupados
Se emplea la ecuación:

Ejemplo ilustrativo:
Calcular la desviación media de la distribución: 3, 8, 8, 8, 9, 9, 9, 18
Solución:
Se calcula la media aritmética.

Se calcula la desviación media.

Empleando Excel  se calcula de la siguiente manera:

1.2.2) Para Datos Agrupados en Tablas de Frecuencia
Se emplea la ecuación:

Ejemplo ilustrativo: Calcular la desviación media en base a la siguiente tabla sobre las

calificaciones de un estudiante en 12 asignaturas evaluadas sobre 10.
Cantidad de
Calificación
asignaturas
6 4
7 2
8 3
9 2
10 1
Total 12
Solución:
Se calcula la media aritmética.
1.2.3) Para Datos Agrupados en Intervalos
Se emplea la ecuación:

Donde xm es la marca de clase.

Ejemplo ilustrativo: Calcular la desviación media de un curso de 40 estudiantes en la
asignatura de Estadística en base a la siguiente tabla:
Cantidad de
Calificación
estudiantes
2-4 6
4-6 8
6-8 16
8-10 10
Total 40
Solución:
Para calcular la media aritmética se llena la siguiente tabla:
Intervalo f xm f·xm
2-4 6 3 18
4-6 8 5 40
6-8 16 7 112
 8-10 10 9 90
Total 40 260
Calculando la media aritmética se obtiene:

Varianza y desviación estándar

La varianza es la media aritmética de los cuadrados de las desviaciones respecto a la media

aritmética, es decir, es el promedio de las desviaciones de la media elevadas al cuadrado.
La desviación estándar o desviación típica es la raíz de la varianza.
La varianza y la desviación estándar proporcionan una medida sobre el punto hasta el cual
se dispersan las observaciones alrededor de su media aritmética.
2.1) PROPIEDADES
- La varianza y desviación estándar (o cualquier otra medida de dispersión) indican el grado
en que están dispersos los datos en una distribución. A mayor medida, mayor dispersión.
- La varianza es un número muy grande con respecto a las observaciones, por lo que con
frecuencia se vuelve difícil para trabajar.
- Debido a que las desviaciones son elevadas al cuadrado y la varianza siempre se expresa
en términos de los datos originales elevados al cuadrado, se obtiene unidades de medida de
los datos que no tiene sentido o interpretación lógica. Por ejemplo, si se calcula la varianza
de una distribución de datos medidos en metros, segundos, dólares, etc, se obtendrá una
varianza mediada en metros cuadrados, segundos cuadrados, dólares cuadrados,
respectivamente, unidades de medida que no tienen significado lógico respecto a los datos
originales.
- Para solucionar las complicaciones que se tiene con la varianza, se halla la raíz cuadrada
de la misma, es decir, se calcula la desviación estándar, la cual es un número pequeño
expresado en unidades de los datos originales y que tiene un significado lógico respeto a los
mismos.
A pesar de lo anterior, es difícil describir exactamente qué es lo que mide la desviación
estándar. Sin embargo, hay un resultado útil, que lleva el nombre del matemático ruso
Pafnuty Lvovich Chebyshev, y se aplica a todos los conjuntos de datos. Este teorema de
Chebyshev establece que para todo conjunto de datos, por lo menos 1- 1/k2 de las
observaciones están dentro de k desviaciones estándar de la media, en donde k es cualquier
número mayor que 1. Este teorema se expresa de la siguiente manera:

Así por ejemplo, si se forma una distribución de datos con k =3 desviaciones estándar por
debajo de la media hasta 3 desviaciones estándar por encima de la media, entonces por lo
menos

Interpretación: El 88,89% de todas las observaciones estarán dentro ± 3 desviaciones de la

media.
2.2) MÉTODOS DE CÁLCULO
2.2.1) Para Datos No Agrupados
La varianza para una población se calcula con:
Notas:
1) Para el cálculo de la varianza de una muestra se divide por n-1 en lugar de N, debido a
que se tiene n-1 grados de libertad en la muestra. Otra razón por la que se divide por n-1 es
debido a que una muestra generalmente está un poco menos dispersa que la población de la
cual se tomó. Al dividir para n-1 en lugar de N se cumple con la tendencia y sentido lógico
de que la varianza y desviación estándar de la muestra deben tener un valor más pequeño
que la varianza y desviación estándar de la población.
2) En la realidad, salvo indicación expresa, no se calcula la varianza y la desviación
estándar de la población, ya que para ahorrar tiempo, esfuerzo, dinero, etc. es mejor trabajar
con datos que representan a la muestra.
Ejemplo ilustrativo N° 1
Considere que los siguientes datos corresponden al sueldo de una población: $350, $400,
$500, $700 y $1000
1) Calcular la desviación estándar.
2) ¿Cuál es el intervalo que está dentro de k = 2 desviaciones estándar de la media?. ¿Qué
porcentaje de las observaciones se encuentran dentro de ese intervalo?
Solución:
1) Para la calcular la desviación estándar se sigue los siguientes pasos:
a) Se calcula la media aritmética.

b) Se aplica la respectiva fórmula para calcular la varianza

c) Se calcula la desviación estándar.

Se transportan 2 desviaciones estándar (2 x $ 237,4868) = $ 474,97 por encima y por

debajo de la media  = $ 590

Por lo tanto se tiene un intervalo desde $ 590 - $474,97 = $ 115,03 hasta $ 590 + $474,97 =
$ 1064,97
Aplicando el Teorema de Chebyshev

Interpretación: Se puede afirmar de que por lo menos el 75% los sueldos están entre $
115,03 y $ 1064,97
Ejemplo ilustrativo N° 2: Dos empresas, A y B, venden sobres de café instantáneo de 350
gramos. Se seleccionaron al azar en los mercados cinco sobres de cada una de las
compañías y se pesaron cuidadosamente sus contenidos. Los resultados fueron los
siguientes.
A B
350,14 350,09
350,18 350,12
349,98 350,20
349,99 349,88
350,12 349,95
1) ¿Qué empresa proporciona más café en sus sobres?
2) ¿Qué empresa llena sus sobres de manera más consistente?
Solución:
a) Se calcula las medias aritméticas.
Interpretación: Como la media aritmética de la empresa A es mayor que la de la empresa
B, por lo tanto la empresa A proporciona más café en sus sobres.
b) Se calcula las desviaciones estándar.

Interpretación: Como la desviación estándar de la empresa A es menor a la desviación

estándar de la empresa B, por lo tanto la empresa A es más consistente al llenar los sobres
de café.
Empleando Excel se calcula de la siguiente manera:

2.2.2) Para Datos Agrupados en Tablas de Frecuencia

La varianza para una población se calcula con:
Ejemplo ilustrativo: Calcular la desviación estándar de los siguientes datos
correspondientes a una muestra.
Calificaciones f
4 3
5 6
6 4
7 13
8 7
10 6
Total 39
Solución:
a) Se llena la siguiente tabla:
Calificaciones f fx
4 3 12
5 6 30
6 4 24
7 13 91
8 7 56
10 6 60
 Total 39 273
b) Se calcula la media aritmética.

2.2.3) Para Datos Agrupados en Intervalos

La varianza para una población se calcula con:
Ejemplo ilustrativo: Calcular la desviación estándar de los siguientes datos
correspondientes a una muestra.
Intervalo f
60-65 5
65-70 20
70-75 40
80-85 27
85-90 8
Total 100
Solución:
a) Se llena la siguiente tabla:
Intervalo f xm f·xm
60-65 5 62,5 312,5
65-70 20 67,5 1350
70-75 40 72,5 2900
80-85 27 82,5 2227,5
85-90 8 87,5 700
Total 100 7490
b) Se calcula la media aritmética.

d) Se calcula la desviación estándar.

Medidas de tendencia central

Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un
solo valor a un conjunto de valores. Representan un centro en torno al cual se encuentra
ubicado el conjunto de los datos. Las medidas de tendencia central más utilizadas son:
media, mediana y moda. Las medidas de dispersión en cambio miden el grado de dispersión
de los valores de la variable. Dicho en otros términos las medidas de dispersión pretenden
evaluar en qué medida los datos difieren entre sí. De esta forma, ambos tipos de medidas
usadas en conjunto permiten describir un conjunto de datos entregando información acerca
de su posición y su dispersión.
Los procedimientos para obtener las medidas estadísticas difieren levemente dependiendo
de la forma en que se encuentren los datos. Si los datos se encuentran ordenados en una
tabla estadística diremos que se encuentran “agrupados” y si los datos no están en una tabla
hablaremos de datos “no agrupados”.

Según este criterio, haremos primero el estudio de las medidas estadísticas para datos no
agrupados y luego para datos agrupados.

Medidas estadísticas en datos no agrupado

Medidas de tendencia central

Promedio o media

La medida de tendencia central más conocida y utilizada es la media aritmética o promedio

aritmético. Se representa por la letra griega µ cuando se trata del promedio del universo o
población y por Ȳ (léase Y barra) cuando se trata del promedio de la muestra. Es
importante destacar que µ es una cantidad fija mientras que el promedio de la muestra es
variable puesto que diferentes muestras extraídas de la misma población tienden a tener
diferentes medias. La media se expresa en la misma unidad que los datos originales:
centímetros, horas, gramos, etc.

Si una muestra tiene cuatro observaciones: 3, 5, 2 y 2, por definición el estadígrafo será:

Donde Y1 es el valor de la variable en la primera observación, Y2 es el valor de la segunda

observación y así sucesivamente. En general, con “n” observaciones, Yi representa el valor
de la i-ésima observación. En este caso el promedio está dado por

Desviaciones: Se define como la desviación de un dato a la diferencia entre el valor del

dato y la media:

Una propiedad interesante de la media aritmética es que la suma de las desviaciones es

cero.
Mediana

Otra medida de tendencia central es la mediana. La mediana es el valor de la variable que

ocupa la posición central, cuando los datos se disponen en orden de magnitud. Es decir, el
50% de las observaciones tiene valores iguales o inferiores a la mediana y el otro 50% tiene
valores iguales o superiores a la mediana.

Si el número de observaciones es par, la mediana corresponde al promedio de los dos

valores centrales. Por ejemplo, en la muestra 3, 9, 11, 15, la mediana es (9+11)/2=10.

Moda

La moda de una distribución se define como el valor de la variable que más se repite. En un
polígono de frecuencia la moda corresponde al valor de la variable que está bajo el punto
más alto del gráfico. Una muestra puede tener más de una moda.

Medidas de dispersión

Las medidas de dispersión entregan información sobre la variación de la variable.

Pretenden resumir en un solo valor la dispersión que tiene un conjunto de datos. Las
medidas de dispersión más utilizadas son: Rango de variación, Varianza, Desviación
estándar, Coeficiente de variación.

Rango de variación

Se define como la diferencia entre el mayor valor de la variable y el menor valor de la

variable.
La mejor medida de dispersión, y la más generalizada es la varianza, o su raíz cuadrada, la
desviación estándar. La varianza se representa con el símbolo σ² (sigma cuadrado) para el
universo o población y con el símbolo s2 (s cuadrado), cuando se trata de la muestra. La
desviación estándar, que es la raíz cuadrada de la varianza, se representa por σ (sigma)
cuando pertenece al universo o población y por “s”, cuando pertenece a la muestra. σ² y σ
son parámetros, constantes para una población particular; s2 y s son estadígrafos, valores
que cambian de muestra en muestra dentro de una misma población. La varianza se expresa
en unidades de variable al cuadrado y la desviación estándar simplemente en unidades de
variable.