SlideShare a Scribd company logo
Profesora. Dra. Anais Álvarez
ESTADÍSTICA
Universidad del Zulia
Facultad de Ciencias Económicas y Sociales
Escuela de Administración y Contaduría Pública
Departamento de Métodos Cuantitativos
Estadística
1
MEDIDAS DESCRIPTIVAS DE DATOS
Estadística
2
MEDIDAS DESCRIPTIVAS DE DATOS
CONTENIDOS
PROGRAMA
Medidas Descriptivas de datos
2. Medidas de dispersión para datos no agrupados y
agrupados .
2.1. Rango
2.2. Varianza.
2.3. Desviación Estándar.
2.4. Coeficiente de Variación
Medidas
Descriptivas
de
Datos
Estadística
3
MEDIDAS DE DISPESION .
MEDIDAS DE DISPESION O VARIABILIDAD
Son aquellas que determinan como se agrupan o se dispersan los datos
alrededor de un promedio. Indican si los valores están relativamente cercanos
unos a otros o si se encuentran dispersos. Este tipo de medida solo tiene sentido
en las variables cuantitativas, bien discretas o continuas.
Las medidas de dispersión informan acerca del grado de
homogeneidad o heterogeneidad de los datos de la distribución. En
la mayoría de los caso, indican la forma en que los datos se concentran
alrededor de alguna de las tres medidas de tendencia central
Las medidas de dispersión más utilizadas se
basan en las desviaciones con respecto a la media,
estas son:
 Rango.
 Varianza.
 Desviación Estándar.
 Coeficiente de variación
Datos no agrupados
Datos agrupados (Tablas de Frecuencia)
Variables Cuantitativas discretas
Variables Cuantitativas Continuas
 Mientras más dispersos estén los datos, mayor
será el rango, la varianza y desviación estándar.
 Mientras más concentrados u homogéneos sean los
datos, menor será el rango, la varianza y la desviación
estándar.
 Si los datos son todos iguales de tal forma que no hay
variación, las medidas de variabilidad serán todas
cero.
 Las medidas de variación (rango, rango intercuartil,
varianza y desviación estándar) nunca son negativas.
CALCULAR EL RANGO DEL NÚMEROS DE HERMANOS DE LAS 5 PERSONAS, que se expresan
a continuación:
3 4 3 2 0
PROCEDIMIENTO:
Identificar el valor máximo y mínimo del conjunto de datos.
Aplicar la formula.
r= 4 - o = 4
Interpretación: entre el conjunto de datos hay una diferencia de 4 hermanos
entre el que más tiene y el que menos tiene
Nota: Para calcular el rango de datos agrupados.
 SI ES UNA VARIABLES DISCRETA, Tomamos el VALOR MÁXIMO Y VALOR MÍNIMO
EXPRESADOS EN LA TABLA.
Estadística
4
MEDIDAS DE DISPESION .
RANGO DATOS NO AGRUPADOS
EL RANGO es una medida que muestra la distancia entre el valor máximo y mínimo del
conjunto de datos, por ello es una de las medidas más fácil calcular. Se simboliza con R,
cuando es un Parámetro, se calcula con datos de la población y r cuando es un
estadístico.
Se obtiene para datos no agrupados
r = VALOR MÁXIMO - VALOR MÍNIMO
PRACTICAR
Estadística
5
MEDIDAS DE DISPESION .
VARIANZA DATOS NO AGRUPADOS
La varianza señala aproximadamente, como es el grado de dispersión de los datos
con respecto a la media. Es la media de los cuadrados de los desvíos de una distribución.
Se caracteriza por qué toma todos los valores del conjunto de datos, no es influida por
los valores extremos, no puede ser negativa. (Lind y colaboradores: 2004,129)
Se simboliza con S2, que representa un estadístico es decir, cuando se trata de la
varianza de la muestra, y con la letra GRIEGA 2, cuando se refiera a un parámetro o
valores de la población:
1
*
2
2
2




n
n
X
Xi
S


1



n
X
Xi
•DATOS DE LA MUESTRA
DATOS DE LA POBLACIÓN
N
n
X
Xi *
2
2
2  




N
Xi
  
o =
2
2
Estadística
6
MEDIDAS DE DISPESION .
VARIANZA DATOS NO AGRUPADOS
La varianza señala aproximadamente, como es el grado de dispersión de los datos
con respecto a la media.
1
*
2
2
2




n
n
X
Xi
S
•DATOS DE LA MUESTRA
PRACTICAR
Calcular la varianza de los números de hermanos de las 5 personas,
que se expresan a continuación:
3 4 3 2 0
3. Aplicar la formula.
  3
.
2
4
2
.
9
4
8
.
28
38
1
5
5
.
4
.
2
38
2
2







S INTERPRETACIÓN: LA VARIANZA ES
DE 2.3 HERMANOS 2
Estadística
7
MEDIDAS DE DISPESION .
DESVIACION ESTANDAR DATOS NO AGRUPADOS
La desviación estándar es la raíz cuadrada de la varianza. Se simboliza con S, cuando se trata
de la varianza de la muestra o estadístico, y con la letra GRIEGA (sigma), cuando se refiera a
valores de la población o parámetro. Esta media es útil para medir el riesgo en las actividades
empresariales como fluctuaciones de las acciones, bolsa de valores.
La varianza y la desviación estándar SON COMO SIAMESES, AL CONOCER UNA se obtiene
LA OTRA. , ambas tienen las mismas características en cuanto, no pueden ser negativas y
considera todos los valores para su cálculo.
𝑆 =
𝑋2−𝑋2∗𝑛
𝑛−1
O S = 𝑆2
-
Estadística
8
MEDIDAS DE DISPESION .
DESVIACION ESTANDAR DATOS NO AGRUPADOS
1
2
2




n
xn
X
Xi
S
•DATOS DE LA MUESTRA
PRACTICAR Calcular la desviación estándar de los números de
hermanos de las 5 personas, que se expresan a continuación:
3 4 3 2 0
3. Aplicar la formula.
INTERPRETACIÓN: LA dispersión promedio alrededor
de la media es de 1.51 hermanos, gráficamente seria:
𝑆 =
38 − 2.4 2. 5
5 − 1
= 1.51
Estadística
9
MEDIDAS DE DISPESION .
COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS
Pearson (1857-1936) desarrollo una medida relativa denominada Coeficiente de variación
según Lind y colaboradores 2004: 115, es la cociente de dividir la desviación estándar entre
el promedio aritmético por cien.
Es una medida relativa de variación que sirve para comparar las dispersiones de dos o
más distribuciones o muestras diferentes. También, sirve para determinar el grado de
representatividad de la media aritmética, la cual será más representativa en la medida en
que la dispersión de los datos con relación a la media sea menor.
El coeficiente de variación indica mayor o menor discreminabilidad entre
varias distribuciones.
𝐶𝑉 =
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑜
∗ 100
Porcentaje Dispersión
81 -100 Muy alta
61 -80 Alta
41-60 Normal(moderada, mediana)
21-40 Baja
0 - 20 Muy baja
Estadística
10
MEDIDAS DE DISPESION .
COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS
Coeficiente de variación, es la cociente de dividir la desviación estándar entre el promedio
aritmético por cien.
𝐶𝑉 =
𝑆
𝑋
∗ 100
Aplicar formula
PRACTICAR
Calcular el coeficiente de variación del número de hermanos de 5 personas, que
se expresan a continuación:
3 4 3 2 0
Se sabe
𝐶𝑉 =
1.51
2.4
∗ 100 = 62,91%
S = 𝑆2=1,51
4
.
2
5
12
5
0
2
3
4
3








INTERPRETACIÓN: LA VARIACIÓN O LA DISPERSIÓN CON RESPECTO A LA MEDIA ES DE 62,91%, ES
ALTA LA VARIABILIDAD SON HETEROGÉNEOS LOS DATOS.
-
Estadística
11
MEDIDAS DE DISPESION .
COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS
Coeficiente de variación, es la cociente de dividir la desviación estándar entre el promedio
aritmético por cien.
𝐶𝑉 =
𝑆
𝑋
∗ 100
Aplicar formula
PRACTICAR
Calcular el coeficiente de variación del número de hermanos de 5 personas, que
se expresan a continuación:
3 4 3 2 0
Se sabe
𝐶𝑉 =
1.51
2.4
∗ 100 = 62,91%
S = 𝑆2=1,51
4
.
2
5
12
5
0
2
3
4
3








INTERPRETACIÓN: LA VARIACIÓN O LA DISPERSIÓN CON RESPECTO A LA MEDIA ES DE 62,91%, ES
ALTA LA VARIABILIDAD SON HETEROGÉNEOS LOS DATOS.
-
Estadística
12
DISTRIBUCIÓN DE FRECUENCIAS
Y REPRESENTACIONES GRÁFICAS
CONSULTAS
Contactar por las redes sociales
Correo electrónico:
estadistiacaajav2016@gmail.com,
Sitio web:Facebook estadisticainteractiva
ESTADÍSTICA

More Related Content

What's hot

Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
Dadang Solihin
 
application of statistics.pptx
application of statistics.pptxapplication of statistics.pptx
application of statistics.pptx
Rahul Mohan Kumar
 
Data Visualisation.pdf
Data Visualisation.pdfData Visualisation.pdf
Data Visualisation.pdf
Thiyagu K
 
Stack and Queue
Stack and QueueStack and Queue
Stack and Queue
Selvaraj Seerangan
 
1.8. histograma
1.8.  histograma1.8.  histograma
1.8. histogramaITCM
 
Visualization and Matplotlib using Python.pptx
Visualization and Matplotlib using Python.pptxVisualization and Matplotlib using Python.pptx
Visualization and Matplotlib using Python.pptx
SharmilaMore5
 
Kajian penguatan daerah penyangga dalam mendukung IKN 2020
Kajian penguatan daerah penyangga dalam mendukung IKN 2020Kajian penguatan daerah penyangga dalam mendukung IKN 2020
Kajian penguatan daerah penyangga dalam mendukung IKN 2020
Bidang ANDROIDA-Puslatbang KDOD LAN
 
Missing data handling
Missing data handlingMissing data handling
Missing data handling
QuantUniversity
 
Multi-bar Graph
Multi-bar Graph Multi-bar Graph
Multi-bar Graph
Richard McLaren
 
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
andikowidyadhana1
 
Data visualization
Data visualizationData visualization
Data visualization
Jan Willem Tulp
 
Data types in C
Data types in CData types in C
Data types in C
Tarun Sharma
 
Statistics For Data Science | Statistics Using R Programming Language | Hypot...
Statistics For Data Science | Statistics Using R Programming Language | Hypot...Statistics For Data Science | Statistics Using R Programming Language | Hypot...
Statistics For Data Science | Statistics Using R Programming Language | Hypot...
Edureka!
 
Perencanaan Pembangunan Partisipatif
Perencanaan Pembangunan PartisipatifPerencanaan Pembangunan Partisipatif
Perencanaan Pembangunan Partisipatif
Dadang Solihin
 
Boxplot
BoxplotBoxplot
Boxplot
Kelly Jans
 
Macros in system programing
Macros in system programingMacros in system programing
Macros in system programing
Brijesh__patel
 
Types of data and graphical representation
Types of data and graphical representationTypes of data and graphical representation
Types of data and graphical representation
Reena Titoria
 
Data Science With Python | Python For Data Science | Python Data Science Cour...
Data Science With Python | Python For Data Science | Python Data Science Cour...Data Science With Python | Python For Data Science | Python Data Science Cour...
Data Science With Python | Python For Data Science | Python Data Science Cour...
Simplilearn
 
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan YogyakartaPusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
bramantiyo marjuki
 

What's hot (20)

Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
Konsep Dasar Perencanaan Pembangunan berdasarkan UU25/2004 dan Permendagri 54...
 
application of statistics.pptx
application of statistics.pptxapplication of statistics.pptx
application of statistics.pptx
 
Data Visualisation.pdf
Data Visualisation.pdfData Visualisation.pdf
Data Visualisation.pdf
 
Stack and Queue
Stack and QueueStack and Queue
Stack and Queue
 
1.8. histograma
1.8.  histograma1.8.  histograma
1.8. histograma
 
Visualization and Matplotlib using Python.pptx
Visualization and Matplotlib using Python.pptxVisualization and Matplotlib using Python.pptx
Visualization and Matplotlib using Python.pptx
 
Kajian penguatan daerah penyangga dalam mendukung IKN 2020
Kajian penguatan daerah penyangga dalam mendukung IKN 2020Kajian penguatan daerah penyangga dalam mendukung IKN 2020
Kajian penguatan daerah penyangga dalam mendukung IKN 2020
 
Missing data handling
Missing data handlingMissing data handling
Missing data handling
 
Multi-bar Graph
Multi-bar Graph Multi-bar Graph
Multi-bar Graph
 
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
1 DRAINASE PERMASALAHAN DAN TANTANGAN (1).pptx
 
Data visualization
Data visualizationData visualization
Data visualization
 
Data types in C
Data types in CData types in C
Data types in C
 
Statistics For Data Science | Statistics Using R Programming Language | Hypot...
Statistics For Data Science | Statistics Using R Programming Language | Hypot...Statistics For Data Science | Statistics Using R Programming Language | Hypot...
Statistics For Data Science | Statistics Using R Programming Language | Hypot...
 
Descriptive statistics
Descriptive statisticsDescriptive statistics
Descriptive statistics
 
Perencanaan Pembangunan Partisipatif
Perencanaan Pembangunan PartisipatifPerencanaan Pembangunan Partisipatif
Perencanaan Pembangunan Partisipatif
 
Boxplot
BoxplotBoxplot
Boxplot
 
Macros in system programing
Macros in system programingMacros in system programing
Macros in system programing
 
Types of data and graphical representation
Types of data and graphical representationTypes of data and graphical representation
Types of data and graphical representation
 
Data Science With Python | Python For Data Science | Python Data Science Cour...
Data Science With Python | Python For Data Science | Python Data Science Cour...Data Science With Python | Python For Data Science | Python Data Science Cour...
Data Science With Python | Python For Data Science | Python Data Science Cour...
 
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan YogyakartaPusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
Pusat Pelayanan dan Interaksi Keruangan Kawasan Perkotaan Yogyakarta
 

Similar to U3dispersionnoagrupads

Medidasdatosnoagrupads
MedidasdatosnoagrupadsMedidasdatosnoagrupads
Medidasdatosnoagrupads
AnaisAlvarez10
 
dispersion1.pptx
dispersion1.pptxdispersion1.pptx
dispersion1.pptx
apsoniyajaingtu
 
Estadistica bäsica
Estadistica bäsicaEstadistica bäsica
Estadistica bäsica
yosimar rojas torres
 
Descriptiva-Semana9
Descriptiva-Semana9 Descriptiva-Semana9
Descriptiva-Semana9
Jorge Obando
 
CJ 301 – Measures of DispersionVariability Think back to the .docx
CJ 301 – Measures of DispersionVariability Think back to the .docxCJ 301 – Measures of DispersionVariability Think back to the .docx
CJ 301 – Measures of DispersionVariability Think back to the .docx
monicafrancis71118
 
These is info only ill be attaching the questions work CJ 301 – .docx
These is info only ill be attaching the questions work CJ 301 – .docxThese is info only ill be attaching the questions work CJ 301 – .docx
These is info only ill be attaching the questions work CJ 301 – .docx
meagantobias
 
variability final Range std deviation hardest topic so ready carefully
variability final Range std deviation hardest topic so ready carefullyvariability final Range std deviation hardest topic so ready carefully
variability final Range std deviation hardest topic so ready carefully
Nishant Taralkar
 
MEASURES OF DISPERSION I BSc Botany .ppt
MEASURES OF DISPERSION I BSc Botany .pptMEASURES OF DISPERSION I BSc Botany .ppt
MEASURES OF DISPERSION I BSc Botany .ppt
aigil2
 
measure of dispersion.pptx
measure of dispersion.pptxmeasure of dispersion.pptx
measure of dispersion.pptx
SoujanyaLk1
 
Measures of Dispersion.pptx
Measures of Dispersion.pptxMeasures of Dispersion.pptx
Measures of Dispersion.pptx
Vanmala Buchke
 
What do youwant to doHow manyvariablesWhat level.docx
What do youwant to doHow manyvariablesWhat level.docxWhat do youwant to doHow manyvariablesWhat level.docx
What do youwant to doHow manyvariablesWhat level.docx
philipnelson29183
 
dispersion ppt.ppt
dispersion ppt.pptdispersion ppt.ppt
dispersion ppt.ppt
ssuser1f3776
 
Descriptive statistics
Descriptive statisticsDescriptive statistics
Descriptive statistics
Regent University
 
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
EqraBaig
 
UNIT III -Measures of Dispersion (2) (1).ppt
UNIT III -Measures of Dispersion (2) (1).pptUNIT III -Measures of Dispersion (2) (1).ppt
UNIT III -Measures of Dispersion (2) (1).ppt
MalihAz2
 
Unit iii measures of dispersion (2)
Unit iii  measures of dispersion (2)Unit iii  measures of dispersion (2)
Unit iii measures of dispersion (2)
Sanoj Fernando
 
Measure of variability - dispersion.ppt
Measure of variability -  dispersion.pptMeasure of variability -  dispersion.ppt
Measure of variability - dispersion.ppt
ElmabethDelaCruz2
 
Measures of central tendency
Measures of central tendencyMeasures of central tendency
Measures of central tendency
Mmedsc Hahm
 
[Tema 1] estadística descriptiva
[Tema 1] estadística descriptiva[Tema 1] estadística descriptiva
[Tema 1] estadística descriptiva
7158AS
 

Similar to U3dispersionnoagrupads (20)

Medidasdatosnoagrupads
MedidasdatosnoagrupadsMedidasdatosnoagrupads
Medidasdatosnoagrupads
 
dispersion1.pptx
dispersion1.pptxdispersion1.pptx
dispersion1.pptx
 
Estadistica bäsica
Estadistica bäsicaEstadistica bäsica
Estadistica bäsica
 
Descriptiva-Semana9
Descriptiva-Semana9 Descriptiva-Semana9
Descriptiva-Semana9
 
CJ 301 – Measures of DispersionVariability Think back to the .docx
CJ 301 – Measures of DispersionVariability Think back to the .docxCJ 301 – Measures of DispersionVariability Think back to the .docx
CJ 301 – Measures of DispersionVariability Think back to the .docx
 
These is info only ill be attaching the questions work CJ 301 – .docx
These is info only ill be attaching the questions work CJ 301 – .docxThese is info only ill be attaching the questions work CJ 301 – .docx
These is info only ill be attaching the questions work CJ 301 – .docx
 
variability final Range std deviation hardest topic so ready carefully
variability final Range std deviation hardest topic so ready carefullyvariability final Range std deviation hardest topic so ready carefully
variability final Range std deviation hardest topic so ready carefully
 
MEASURES OF DISPERSION I BSc Botany .ppt
MEASURES OF DISPERSION I BSc Botany .pptMEASURES OF DISPERSION I BSc Botany .ppt
MEASURES OF DISPERSION I BSc Botany .ppt
 
measure of dispersion.pptx
measure of dispersion.pptxmeasure of dispersion.pptx
measure of dispersion.pptx
 
Measures of Dispersion.pptx
Measures of Dispersion.pptxMeasures of Dispersion.pptx
Measures of Dispersion.pptx
 
What do youwant to doHow manyvariablesWhat level.docx
What do youwant to doHow manyvariablesWhat level.docxWhat do youwant to doHow manyvariablesWhat level.docx
What do youwant to doHow manyvariablesWhat level.docx
 
dispersion ppt.ppt
dispersion ppt.pptdispersion ppt.ppt
dispersion ppt.ppt
 
Descriptive statistics
Descriptive statisticsDescriptive statistics
Descriptive statistics
 
Quants
QuantsQuants
Quants
 
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
Descriptive Statistics: Measures of Central Tendency - Measures of Dispersion...
 
UNIT III -Measures of Dispersion (2) (1).ppt
UNIT III -Measures of Dispersion (2) (1).pptUNIT III -Measures of Dispersion (2) (1).ppt
UNIT III -Measures of Dispersion (2) (1).ppt
 
Unit iii measures of dispersion (2)
Unit iii  measures of dispersion (2)Unit iii  measures of dispersion (2)
Unit iii measures of dispersion (2)
 
Measure of variability - dispersion.ppt
Measure of variability -  dispersion.pptMeasure of variability -  dispersion.ppt
Measure of variability - dispersion.ppt
 
Measures of central tendency
Measures of central tendencyMeasures of central tendency
Measures of central tendency
 
[Tema 1] estadística descriptiva
[Tema 1] estadística descriptiva[Tema 1] estadística descriptiva
[Tema 1] estadística descriptiva
 

More from AnaisAlvarez10

GUIA_ medidas nAulaV2021.pdf
GUIA_ medidas nAulaV2021.pdfGUIA_ medidas nAulaV2021.pdf
GUIA_ medidas nAulaV2021.pdf
AnaisAlvarez10
 
tablas discretas(1).pdf
tablas discretas(1).pdftablas discretas(1).pdf
tablas discretas(1).pdf
AnaisAlvarez10
 
pdf24_images_merged.pdf
pdf24_images_merged.pdfpdf24_images_merged.pdf
pdf24_images_merged.pdf
AnaisAlvarez10
 
EstaUnida2coll22variablecualitariva.pdf
EstaUnida2coll22variablecualitariva.pdfEstaUnida2coll22variablecualitariva.pdf
EstaUnida2coll22variablecualitariva.pdf
AnaisAlvarez10
 
GUIALUZFCESnociones basicas20.pdf
GUIALUZFCESnociones basicas20.pdfGUIALUZFCESnociones basicas20.pdf
GUIALUZFCESnociones basicas20.pdf
AnaisAlvarez10
 
Tipodeterminscion junio2021
Tipodeterminscion junio2021Tipodeterminscion junio2021
Tipodeterminscion junio2021
AnaisAlvarez10
 
Tipos enfoques juni2021
Tipos enfoques juni2021Tipos enfoques juni2021
Tipos enfoques juni2021
AnaisAlvarez10
 
EstadDISTICAbienvebida
EstadDISTICAbienvebidaEstadDISTICAbienvebida
EstadDISTICAbienvebida
AnaisAlvarez10
 
U3tendenciacentralnoagrupa
U3tendenciacentralnoagrupaU3tendenciacentralnoagrupa
U3tendenciacentralnoagrupa
AnaisAlvarez10
 
1 u variable1
1 u variable11 u variable1
1 u variable1
AnaisAlvarez10
 
Esta unida2ilu zgraf5casdiscretas
Esta unida2ilu zgraf5casdiscretasEsta unida2ilu zgraf5casdiscretas
Esta unida2ilu zgraf5casdiscretas
AnaisAlvarez10
 
Estadisticatermins21solo
Estadisticatermins21soloEstadisticatermins21solo
Estadisticatermins21solo
AnaisAlvarez10
 
Orientaciones para el estudianteaeioue.pdf
Orientaciones para el estudianteaeioue.pdfOrientaciones para el estudianteaeioue.pdf
Orientaciones para el estudianteaeioue.pdf
AnaisAlvarez10
 
Tablas frecuencia variable discretas
Tablas frecuencia variable discretasTablas frecuencia variable discretas
Tablas frecuencia variable discretas
AnaisAlvarez10
 
Estadisticatermins21
Estadisticatermins21Estadisticatermins21
Estadisticatermins21
AnaisAlvarez10
 

More from AnaisAlvarez10 (15)

GUIA_ medidas nAulaV2021.pdf
GUIA_ medidas nAulaV2021.pdfGUIA_ medidas nAulaV2021.pdf
GUIA_ medidas nAulaV2021.pdf
 
tablas discretas(1).pdf
tablas discretas(1).pdftablas discretas(1).pdf
tablas discretas(1).pdf
 
pdf24_images_merged.pdf
pdf24_images_merged.pdfpdf24_images_merged.pdf
pdf24_images_merged.pdf
 
EstaUnida2coll22variablecualitariva.pdf
EstaUnida2coll22variablecualitariva.pdfEstaUnida2coll22variablecualitariva.pdf
EstaUnida2coll22variablecualitariva.pdf
 
GUIALUZFCESnociones basicas20.pdf
GUIALUZFCESnociones basicas20.pdfGUIALUZFCESnociones basicas20.pdf
GUIALUZFCESnociones basicas20.pdf
 
Tipodeterminscion junio2021
Tipodeterminscion junio2021Tipodeterminscion junio2021
Tipodeterminscion junio2021
 
Tipos enfoques juni2021
Tipos enfoques juni2021Tipos enfoques juni2021
Tipos enfoques juni2021
 
EstadDISTICAbienvebida
EstadDISTICAbienvebidaEstadDISTICAbienvebida
EstadDISTICAbienvebida
 
U3tendenciacentralnoagrupa
U3tendenciacentralnoagrupaU3tendenciacentralnoagrupa
U3tendenciacentralnoagrupa
 
1 u variable1
1 u variable11 u variable1
1 u variable1
 
Esta unida2ilu zgraf5casdiscretas
Esta unida2ilu zgraf5casdiscretasEsta unida2ilu zgraf5casdiscretas
Esta unida2ilu zgraf5casdiscretas
 
Estadisticatermins21solo
Estadisticatermins21soloEstadisticatermins21solo
Estadisticatermins21solo
 
Orientaciones para el estudianteaeioue.pdf
Orientaciones para el estudianteaeioue.pdfOrientaciones para el estudianteaeioue.pdf
Orientaciones para el estudianteaeioue.pdf
 
Tablas frecuencia variable discretas
Tablas frecuencia variable discretasTablas frecuencia variable discretas
Tablas frecuencia variable discretas
 
Estadisticatermins21
Estadisticatermins21Estadisticatermins21
Estadisticatermins21
 

Recently uploaded

Embracing GenAI - A Strategic Imperative
Embracing GenAI - A Strategic ImperativeEmbracing GenAI - A Strategic Imperative
Embracing GenAI - A Strategic Imperative
Peter Windle
 
Thesis Statement for students diagnonsed withADHD.ppt
Thesis Statement for students diagnonsed withADHD.pptThesis Statement for students diagnonsed withADHD.ppt
Thesis Statement for students diagnonsed withADHD.ppt
EverAndrsGuerraGuerr
 
"Protectable subject matters, Protection in biotechnology, Protection of othe...
"Protectable subject matters, Protection in biotechnology, Protection of othe..."Protectable subject matters, Protection in biotechnology, Protection of othe...
"Protectable subject matters, Protection in biotechnology, Protection of othe...
SACHIN R KONDAGURI
 
Sha'Carri Richardson Presentation 202345
Sha'Carri Richardson Presentation 202345Sha'Carri Richardson Presentation 202345
Sha'Carri Richardson Presentation 202345
beazzy04
 
The approach at University of Liverpool.pptx
The approach at University of Liverpool.pptxThe approach at University of Liverpool.pptx
The approach at University of Liverpool.pptx
Jisc
 
Polish students' mobility in the Czech Republic
Polish students' mobility in the Czech RepublicPolish students' mobility in the Czech Republic
Polish students' mobility in the Czech Republic
Anna Sz.
 
Welcome to TechSoup New Member Orientation and Q&A (May 2024).pdf
Welcome to TechSoup   New Member Orientation and Q&A (May 2024).pdfWelcome to TechSoup   New Member Orientation and Q&A (May 2024).pdf
Welcome to TechSoup New Member Orientation and Q&A (May 2024).pdf
TechSoup
 
The Roman Empire A Historical Colossus.pdf
The Roman Empire A Historical Colossus.pdfThe Roman Empire A Historical Colossus.pdf
The Roman Empire A Historical Colossus.pdf
kaushalkr1407
 
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXXPhrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
MIRIAMSALINAS13
 
Operation Blue Star - Saka Neela Tara
Operation Blue Star   -  Saka Neela TaraOperation Blue Star   -  Saka Neela Tara
Operation Blue Star - Saka Neela Tara
Balvir Singh
 
Guidance_and_Counselling.pdf B.Ed. 4th Semester
Guidance_and_Counselling.pdf B.Ed. 4th SemesterGuidance_and_Counselling.pdf B.Ed. 4th Semester
Guidance_and_Counselling.pdf B.Ed. 4th Semester
Atul Kumar Singh
 
Palestine last event orientationfvgnh .pptx
Palestine last event orientationfvgnh .pptxPalestine last event orientationfvgnh .pptx
Palestine last event orientationfvgnh .pptx
RaedMohamed3
 
Introduction to AI for Nonprofits with Tapp Network
Introduction to AI for Nonprofits with Tapp NetworkIntroduction to AI for Nonprofits with Tapp Network
Introduction to AI for Nonprofits with Tapp Network
TechSoup
 
Digital Tools and AI for Teaching Learning and Research
Digital Tools and AI for Teaching Learning and ResearchDigital Tools and AI for Teaching Learning and Research
Digital Tools and AI for Teaching Learning and Research
Vikramjit Singh
 
The basics of sentences session 5pptx.pptx
The basics of sentences session 5pptx.pptxThe basics of sentences session 5pptx.pptx
The basics of sentences session 5pptx.pptx
heathfieldcps1
 
The Challenger.pdf DNHS Official Publication
The Challenger.pdf DNHS Official PublicationThe Challenger.pdf DNHS Official Publication
The Challenger.pdf DNHS Official Publication
Delapenabediema
 
Unit 8 - Information and Communication Technology (Paper I).pdf
Unit 8 - Information and Communication Technology (Paper I).pdfUnit 8 - Information and Communication Technology (Paper I).pdf
Unit 8 - Information and Communication Technology (Paper I).pdf
Thiyagu K
 
Supporting (UKRI) OA monographs at Salford.pptx
Supporting (UKRI) OA monographs at Salford.pptxSupporting (UKRI) OA monographs at Salford.pptx
Supporting (UKRI) OA monographs at Salford.pptx
Jisc
 
Home assignment II on Spectroscopy 2024 Answers.pdf
Home assignment II on Spectroscopy 2024 Answers.pdfHome assignment II on Spectroscopy 2024 Answers.pdf
Home assignment II on Spectroscopy 2024 Answers.pdf
Tamralipta Mahavidyalaya
 
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdfAdversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
Po-Chuan Chen
 

Recently uploaded (20)

Embracing GenAI - A Strategic Imperative
Embracing GenAI - A Strategic ImperativeEmbracing GenAI - A Strategic Imperative
Embracing GenAI - A Strategic Imperative
 
Thesis Statement for students diagnonsed withADHD.ppt
Thesis Statement for students diagnonsed withADHD.pptThesis Statement for students diagnonsed withADHD.ppt
Thesis Statement for students diagnonsed withADHD.ppt
 
"Protectable subject matters, Protection in biotechnology, Protection of othe...
"Protectable subject matters, Protection in biotechnology, Protection of othe..."Protectable subject matters, Protection in biotechnology, Protection of othe...
"Protectable subject matters, Protection in biotechnology, Protection of othe...
 
Sha'Carri Richardson Presentation 202345
Sha'Carri Richardson Presentation 202345Sha'Carri Richardson Presentation 202345
Sha'Carri Richardson Presentation 202345
 
The approach at University of Liverpool.pptx
The approach at University of Liverpool.pptxThe approach at University of Liverpool.pptx
The approach at University of Liverpool.pptx
 
Polish students' mobility in the Czech Republic
Polish students' mobility in the Czech RepublicPolish students' mobility in the Czech Republic
Polish students' mobility in the Czech Republic
 
Welcome to TechSoup New Member Orientation and Q&A (May 2024).pdf
Welcome to TechSoup   New Member Orientation and Q&A (May 2024).pdfWelcome to TechSoup   New Member Orientation and Q&A (May 2024).pdf
Welcome to TechSoup New Member Orientation and Q&A (May 2024).pdf
 
The Roman Empire A Historical Colossus.pdf
The Roman Empire A Historical Colossus.pdfThe Roman Empire A Historical Colossus.pdf
The Roman Empire A Historical Colossus.pdf
 
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXXPhrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
Phrasal Verbs.XXXXXXXXXXXXXXXXXXXXXXXXXX
 
Operation Blue Star - Saka Neela Tara
Operation Blue Star   -  Saka Neela TaraOperation Blue Star   -  Saka Neela Tara
Operation Blue Star - Saka Neela Tara
 
Guidance_and_Counselling.pdf B.Ed. 4th Semester
Guidance_and_Counselling.pdf B.Ed. 4th SemesterGuidance_and_Counselling.pdf B.Ed. 4th Semester
Guidance_and_Counselling.pdf B.Ed. 4th Semester
 
Palestine last event orientationfvgnh .pptx
Palestine last event orientationfvgnh .pptxPalestine last event orientationfvgnh .pptx
Palestine last event orientationfvgnh .pptx
 
Introduction to AI for Nonprofits with Tapp Network
Introduction to AI for Nonprofits with Tapp NetworkIntroduction to AI for Nonprofits with Tapp Network
Introduction to AI for Nonprofits with Tapp Network
 
Digital Tools and AI for Teaching Learning and Research
Digital Tools and AI for Teaching Learning and ResearchDigital Tools and AI for Teaching Learning and Research
Digital Tools and AI for Teaching Learning and Research
 
The basics of sentences session 5pptx.pptx
The basics of sentences session 5pptx.pptxThe basics of sentences session 5pptx.pptx
The basics of sentences session 5pptx.pptx
 
The Challenger.pdf DNHS Official Publication
The Challenger.pdf DNHS Official PublicationThe Challenger.pdf DNHS Official Publication
The Challenger.pdf DNHS Official Publication
 
Unit 8 - Information and Communication Technology (Paper I).pdf
Unit 8 - Information and Communication Technology (Paper I).pdfUnit 8 - Information and Communication Technology (Paper I).pdf
Unit 8 - Information and Communication Technology (Paper I).pdf
 
Supporting (UKRI) OA monographs at Salford.pptx
Supporting (UKRI) OA monographs at Salford.pptxSupporting (UKRI) OA monographs at Salford.pptx
Supporting (UKRI) OA monographs at Salford.pptx
 
Home assignment II on Spectroscopy 2024 Answers.pdf
Home assignment II on Spectroscopy 2024 Answers.pdfHome assignment II on Spectroscopy 2024 Answers.pdf
Home assignment II on Spectroscopy 2024 Answers.pdf
 
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdfAdversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
Adversarial Attention Modeling for Multi-dimensional Emotion Regression.pdf
 

U3dispersionnoagrupads

  • 1. Profesora. Dra. Anais Álvarez ESTADÍSTICA Universidad del Zulia Facultad de Ciencias Económicas y Sociales Escuela de Administración y Contaduría Pública Departamento de Métodos Cuantitativos Estadística 1 MEDIDAS DESCRIPTIVAS DE DATOS
  • 2. Estadística 2 MEDIDAS DESCRIPTIVAS DE DATOS CONTENIDOS PROGRAMA Medidas Descriptivas de datos 2. Medidas de dispersión para datos no agrupados y agrupados . 2.1. Rango 2.2. Varianza. 2.3. Desviación Estándar. 2.4. Coeficiente de Variación Medidas Descriptivas de Datos
  • 3. Estadística 3 MEDIDAS DE DISPESION . MEDIDAS DE DISPESION O VARIABILIDAD Son aquellas que determinan como se agrupan o se dispersan los datos alrededor de un promedio. Indican si los valores están relativamente cercanos unos a otros o si se encuentran dispersos. Este tipo de medida solo tiene sentido en las variables cuantitativas, bien discretas o continuas. Las medidas de dispersión informan acerca del grado de homogeneidad o heterogeneidad de los datos de la distribución. En la mayoría de los caso, indican la forma en que los datos se concentran alrededor de alguna de las tres medidas de tendencia central Las medidas de dispersión más utilizadas se basan en las desviaciones con respecto a la media, estas son:  Rango.  Varianza.  Desviación Estándar.  Coeficiente de variación Datos no agrupados Datos agrupados (Tablas de Frecuencia) Variables Cuantitativas discretas Variables Cuantitativas Continuas  Mientras más dispersos estén los datos, mayor será el rango, la varianza y desviación estándar.  Mientras más concentrados u homogéneos sean los datos, menor será el rango, la varianza y la desviación estándar.  Si los datos son todos iguales de tal forma que no hay variación, las medidas de variabilidad serán todas cero.  Las medidas de variación (rango, rango intercuartil, varianza y desviación estándar) nunca son negativas.
  • 4. CALCULAR EL RANGO DEL NÚMEROS DE HERMANOS DE LAS 5 PERSONAS, que se expresan a continuación: 3 4 3 2 0 PROCEDIMIENTO: Identificar el valor máximo y mínimo del conjunto de datos. Aplicar la formula. r= 4 - o = 4 Interpretación: entre el conjunto de datos hay una diferencia de 4 hermanos entre el que más tiene y el que menos tiene Nota: Para calcular el rango de datos agrupados.  SI ES UNA VARIABLES DISCRETA, Tomamos el VALOR MÁXIMO Y VALOR MÍNIMO EXPRESADOS EN LA TABLA. Estadística 4 MEDIDAS DE DISPESION . RANGO DATOS NO AGRUPADOS EL RANGO es una medida que muestra la distancia entre el valor máximo y mínimo del conjunto de datos, por ello es una de las medidas más fácil calcular. Se simboliza con R, cuando es un Parámetro, se calcula con datos de la población y r cuando es un estadístico. Se obtiene para datos no agrupados r = VALOR MÁXIMO - VALOR MÍNIMO PRACTICAR
  • 5. Estadística 5 MEDIDAS DE DISPESION . VARIANZA DATOS NO AGRUPADOS La varianza señala aproximadamente, como es el grado de dispersión de los datos con respecto a la media. Es la media de los cuadrados de los desvíos de una distribución. Se caracteriza por qué toma todos los valores del conjunto de datos, no es influida por los valores extremos, no puede ser negativa. (Lind y colaboradores: 2004,129) Se simboliza con S2, que representa un estadístico es decir, cuando se trata de la varianza de la muestra, y con la letra GRIEGA 2, cuando se refiera a un parámetro o valores de la población: 1 * 2 2 2     n n X Xi S   1    n X Xi •DATOS DE LA MUESTRA DATOS DE LA POBLACIÓN N n X Xi * 2 2 2       N Xi    o = 2 2
  • 6. Estadística 6 MEDIDAS DE DISPESION . VARIANZA DATOS NO AGRUPADOS La varianza señala aproximadamente, como es el grado de dispersión de los datos con respecto a la media. 1 * 2 2 2     n n X Xi S •DATOS DE LA MUESTRA PRACTICAR Calcular la varianza de los números de hermanos de las 5 personas, que se expresan a continuación: 3 4 3 2 0 3. Aplicar la formula.   3 . 2 4 2 . 9 4 8 . 28 38 1 5 5 . 4 . 2 38 2 2        S INTERPRETACIÓN: LA VARIANZA ES DE 2.3 HERMANOS 2
  • 7. Estadística 7 MEDIDAS DE DISPESION . DESVIACION ESTANDAR DATOS NO AGRUPADOS La desviación estándar es la raíz cuadrada de la varianza. Se simboliza con S, cuando se trata de la varianza de la muestra o estadístico, y con la letra GRIEGA (sigma), cuando se refiera a valores de la población o parámetro. Esta media es útil para medir el riesgo en las actividades empresariales como fluctuaciones de las acciones, bolsa de valores. La varianza y la desviación estándar SON COMO SIAMESES, AL CONOCER UNA se obtiene LA OTRA. , ambas tienen las mismas características en cuanto, no pueden ser negativas y considera todos los valores para su cálculo. 𝑆 = 𝑋2−𝑋2∗𝑛 𝑛−1 O S = 𝑆2 -
  • 8. Estadística 8 MEDIDAS DE DISPESION . DESVIACION ESTANDAR DATOS NO AGRUPADOS 1 2 2     n xn X Xi S •DATOS DE LA MUESTRA PRACTICAR Calcular la desviación estándar de los números de hermanos de las 5 personas, que se expresan a continuación: 3 4 3 2 0 3. Aplicar la formula. INTERPRETACIÓN: LA dispersión promedio alrededor de la media es de 1.51 hermanos, gráficamente seria: 𝑆 = 38 − 2.4 2. 5 5 − 1 = 1.51
  • 9. Estadística 9 MEDIDAS DE DISPESION . COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS Pearson (1857-1936) desarrollo una medida relativa denominada Coeficiente de variación según Lind y colaboradores 2004: 115, es la cociente de dividir la desviación estándar entre el promedio aritmético por cien. Es una medida relativa de variación que sirve para comparar las dispersiones de dos o más distribuciones o muestras diferentes. También, sirve para determinar el grado de representatividad de la media aritmética, la cual será más representativa en la medida en que la dispersión de los datos con relación a la media sea menor. El coeficiente de variación indica mayor o menor discreminabilidad entre varias distribuciones. 𝐶𝑉 = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑜 ∗ 100 Porcentaje Dispersión 81 -100 Muy alta 61 -80 Alta 41-60 Normal(moderada, mediana) 21-40 Baja 0 - 20 Muy baja
  • 10. Estadística 10 MEDIDAS DE DISPESION . COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS Coeficiente de variación, es la cociente de dividir la desviación estándar entre el promedio aritmético por cien. 𝐶𝑉 = 𝑆 𝑋 ∗ 100 Aplicar formula PRACTICAR Calcular el coeficiente de variación del número de hermanos de 5 personas, que se expresan a continuación: 3 4 3 2 0 Se sabe 𝐶𝑉 = 1.51 2.4 ∗ 100 = 62,91% S = 𝑆2=1,51 4 . 2 5 12 5 0 2 3 4 3         INTERPRETACIÓN: LA VARIACIÓN O LA DISPERSIÓN CON RESPECTO A LA MEDIA ES DE 62,91%, ES ALTA LA VARIABILIDAD SON HETEROGÉNEOS LOS DATOS. -
  • 11. Estadística 11 MEDIDAS DE DISPESION . COEFICIENTE DE VARIACIÓN DATOS NO AGRUPADOS Coeficiente de variación, es la cociente de dividir la desviación estándar entre el promedio aritmético por cien. 𝐶𝑉 = 𝑆 𝑋 ∗ 100 Aplicar formula PRACTICAR Calcular el coeficiente de variación del número de hermanos de 5 personas, que se expresan a continuación: 3 4 3 2 0 Se sabe 𝐶𝑉 = 1.51 2.4 ∗ 100 = 62,91% S = 𝑆2=1,51 4 . 2 5 12 5 0 2 3 4 3         INTERPRETACIÓN: LA VARIACIÓN O LA DISPERSIÓN CON RESPECTO A LA MEDIA ES DE 62,91%, ES ALTA LA VARIABILIDAD SON HETEROGÉNEOS LOS DATOS. -
  • 12. Estadística 12 DISTRIBUCIÓN DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS CONSULTAS Contactar por las redes sociales Correo electrónico: estadistiacaajav2016@gmail.com, Sitio web:Facebook estadisticainteractiva ESTADÍSTICA