VARIANZA

Otro tratamiento para evadir la suma cero de las desviaciones de las observaciones respecto a su Media Aritmtica, consiste en recurrir al proceso de elevar al cuadrado estas desviaciones y sumar los cuadrados, dividiendo la suma por el nmero de casos, a esta cantidad se le denomina varianza, y es la ms importante de las medidas de variacin porque tiene la ventaja de no prescindir de los signos de las desviaciones, pero al igual que la desviacin media los valores extremos pueden distorsionarla Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide una distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin estndar, la raz cuadrada de la varianza, es una medida de dispersin alternativa expresada en las mismas unidades. La varianza tiene como valor mnimo 0. Hay que tener en cuenta que la varianza puede verse muy influida por los valores atpicos y se desaconseja su uso cuando las distribuciones de las variables aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras medidas de dispersin ms robustas.

Coeficiente de varianza Relativa (error)

El Coeficiente de Variacin: es una medida relativa de variacin. Se expresa como porcentaje antes que en trminos de las unidades de los datos particulares. Mide la dispersin en los datos relativa a la media. El coeficiente de variacin es til al comparar la variabilidad de dos o ms series de datos que se expresan en distintas unidades de medicin.

Desviacin estndar
La desviacin estndar o desviacin tpica ( ) es una medida de centralizacin o dispersin para variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la estadstica descriptiva. Se define como la raz cuadrada de la varianza. Junto con este valor, la desviacin tpica es una medida (cuadrtica) que informa de la media de distancias que tienen los datos respecto de su media aritmtica, expresada en las mismas unidades que la variable. Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de t ndencia e central, sino que necesitamos conocer tambin la desviacin que representan los datos en su distribucin respecto de la media aritmtica de dicha distribucin, con objeto de tener una visin de los mismos ms acorde con la realidad al momento de describirlos e interpretarlos para la toma de decisiones. Por la formulacin de la varianza podemos pasar a obtener la desviacin estndar, tomando la raz cuadrada positiva de la varianza. As, si efectuamos la raz de la varianza muestral, obtenemos la desviacin tpica muestra; y si por el contrario, efectuamos la raz sobre la varianza poblacional, obtendremos la desviacin tpica poblacional. La desviacin estndar es una medida del grado de dispersin de los datos con respecto al valor promedio. Dicho de otra manera, la desviacin estndar es simplemente el "promedio" o variacin esperada con respecto a la media aritmtica.

Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una tiene una media de 7. Sus desviaciones estndar muestrales son 8,08, 5,77 y 1,15, respectivamente. La tercera muestra tiene una desviacin mucho menor que las otras dos porque sus valores estn ms cerca de 7. La desviacin estndar puede ser interpretada como una medida de incertidumbre. La desviacin estndar de un grupo repetido de medidas nos da la precisin de stas. Cuando se va a determinar si un grupo de medidas est de acuerdo con el modelo terico, la desviacin estndar de esas medidas es de vital importancia: si la media de las medidas est demasiado alejada de la prediccin (con la distancia medida en desviaciones estndar), entonces consideramos que las medidas contradicen la teora. Esto es coherente, ya que las mediciones caen fuera del rango de valores en el cual sera razonable esperar que ocurrie si el modelo ran terico fuera correcto. La desviacin estndar es uno de tres parmetros de ubicacin central; muestra la agrupacin de los datos alrededor de un valor central (la media o promedio). Caracterstica de la Desviacin Estndar: 1. Es afectada por el valor de cada observacin 2. Como consecuencia de considerar desviaciones cuadrticas pone mayor nfasis en las desviaciones extremas que en las dems desviaciones. 3. Si en el eje X de la distribucin de frecuencias normal, se mide a ambos lados de la media una distancia igual a: Una desviacin estndar se forma un intervalo en el cual se encuentra el 68.27% de los valores centrales de la variable Dos desviaciones estndar, se forma un intervalo donde se encuentra el 95.43% de los valores centrales Tres desviaciones estndar, se forma un intervalo que contiene el 99.73% de los valores centrales 4. Al construir la tabla de frecuencias de una variable discreta y calcular a partir de ella la desviacin estndar no hay prdida de informacin por lo que la desviacin para los datos observados es igual que para los datos tabulados. En la construccin de una tabla de una variable continua hay prdida de informacin por el agrupamiento de los valores en intervalos y se traduce en la disc repancia entre el valor de la desviacin observada y tabulada.

Varianza Relativa
Cuando se necesita comparar dos o ms series de datos a veces no es posible hacerlo con las medidas absolutas, ya sea porque las unidades son diferentes o porque tienen diferente media, en stos casos deben utilizarse cantidades relativas definida generalmente como: Dispersin relativa = Dispersin absoluta / media

VENTAJAS Y DESVENTAJAS DE LA MEDIA ARITMTICA

Ventajas
* Es la medida de tendencia central ms usada. * El promedio es estable en el muestreo. * Es sensible a cualquier cambio en los datos (puede ser usado como un detector de variaciones en los datos). * Se emplea a menudo en clculos estadsticos posteriores. * Presenta rigor matemtico. * En la grfica de frecuencia representa el centro de gravedad.

Desventajas
* Es sensible a los valores extremos. * No es recomendable emplearla en distribuciones muy asimtricas. * Si se emplean variables discretas o cuasi-cualitativas, la media aritmtica puede no pertenecer al conjunto de valores de la variable.

VENTAJAS Y DESVENTAJAS DE LA MEDIANA

Ventajas
* Es estable a los valores extremos * Es recomendable para distribuciones muy asimtricas

Desventajas
* No representa todo el rigor matemtico * Se emplea solo en variables cuantitativas

VENTAJAS Y DESVENTAJAS DE LA MODA

Ventajas
* Es estable a los valores extremos. * Es recomendable para el tratamiento de variables cualitativas.

Desventajas
* Pueda que no se presente. * Puede existir ms de una moda. * En distribuciones muy asimtricas suele ser un dato muy poco representativo. * Carece de rigor matemtico.

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONMICAS

TRABAJOS DE ESTADSTICA

AULA: 8

ALUMNO: JUAN DAVID VALENZUELA BLACIO