REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN SUPERIOR INSTITUTO UNIVERSITARIO POLITCNICO SANTIAGO MARIO

INGENIERA CIVIL ESTADSTICA

Concepto de varianza y desviacin tpica

(Utilidad, finalidad y frmula)

ALUMNO: WILFREDO RODRGUEZ C.I: 16.146.051

CARACAS, 08 DE NOVIEMBRE DE 2012

VARIANZA

La nocin de varianza se suele emplear en el mbito de la estadstica. Se trata de una palabra impulsada por el matemtico y cientfico ingls Ronald Fisher (1890-1962) y sirve para identificar a la media de las desviaciones cuadrticas de una variable de carcter aleatorio, considerando el valor medio de sta. La varianza de las variables aleatorias, por lo tanto, consiste en una medida vinculada a su dispersin. Se trata de la esperanza del cuadrado de la desviacin de esa variable considerada frente su media y se mide en una unidad diferente. Por ejemplo: en los casos en que la variable mide una distancia en kilmetros, su varianza se expresa en kilmetros al cuadrado. Cabe destacar que las medidas de dispersin (tambin identificadas con el nombre de medidas de variabilidad) se encargan de expresar la variabilidad de una distribucin por medio de un nmero, en los casos en que las diferentes puntuaciones de la variable estn muy alejadas de la media. A mayor valor de la medida de dispersin, mayor variabilidad. En cambio, a menor valor, ms homogeneidad. Lo que hace la varianza es establecer la variabilidad de la variable aleatoria. Es importante tener en cuenta que, en ciertos casos, es preferible emplear otras medidas de dispersin ante las caractersticas de las distribuciones. Se denomina varianza muestral cuando se calcula la varianza de una comunidad, grupo o poblacin en base a una muestra. La covarianza, por otra parte, es la medida de dispersin conjunta de un par de variables. Los expertos hablan de anlisis de la varianza para nombrar a la coleccin de modelos estadsticos y sus procedimientos asociados en la cual la varianza aparece particionada en distintos componentes. La frmula para calcular la varianza es:

DESVIACIN TPICA Uno de los conceptos ms importantes relacionados con la varianza es la desviacin estndar, tambin conocida como tpica, que representa la magnitud de la dispersin de variables de intervalo y de razn, y resulta muy til en el campo de la estadstica descriptiva. Para obtenerla, simplemente se parte de la varianza y se calcula su raz cuadrada. En la prctica, si tenemos los valores (expresados en milmetros) 14mm, 11mm, 10mm, 6mm y 4mm, podemos calcular su promedio sumndolos y dividiendo el resultado por 5, que es la cantidad de elementos. Obtendramos 9mm. Para conocer la varianza, deberamos restar cada uno de los valores a la media recin evidenciada, elevar cada resultado al cuadrado (para evitar nmeros negativos que afecten el estudio), sumarlos entre s y, finalmente, dividir todo por 5. La varianza es 93,8 milmetros cuadrados. Por ltimo, para dar con la desviacin estndar, calculamos la raz cuadrada, lo que nos deja con 9.68mm (ntese que la unidad vuelve a ser milmetros). Estos datos resultan muy tiles y necesarios para analizar y describir informacin, dado que nos ofrecen distintos puntos de vista, as como diferentes tendencias de los datos que caracterizan el objeto en cuestin y permiten establecer parmetros de comparacin ms complejos y dinmicos que los meros valores aislados o simplemente sometidos a su promedio aritmtico. En el procesos de comprobacin de una teora, es importante anticiparse a los posibles resultados, y la desviacin sirve para analizar el comportamiento de los valores alrededor de su promedio. Establece nuevos puntos que abren puertas a diferentes clasificaciones y a datos que pueden no haber sido considerados en un principio. Valindose tan slo de la media entre un conjunto de valores, no es posible saber si alguno de ellos est excesivamente alejando de la normalidad existente en dicho contexto. La desviacin estndar permite establecer dos nuevos lmites alrededor de dicha lnea central, para saber cundo un elemento es demasiado pequeo o grande.

La frmula para calcular la Desviacin tpica es:

CURTOSIS Una medida de curtosis en una v.e. seala el grado de presencia de observaciones muy alejadas de la media, tomando como medida la desviacin tpica. Por consiguiente, una v.e. con gran curtosis ser aquella en la que hay observaciones situadas a una distancia de la media igual a varias veces la desviacin tpica. Cuantas ms observaciones alejadas de esa forma haya y cuanto ms alejadas estn, mayor ser la curtosis. Una variable en donde no haya observaciones cuya distancia a la media sea de varias veces la desviacin tpica, o las haya en un grado mnimo, tendr una curtosis pequea. A menudo, en una variable con alta curtosis, al haber una cierta cantidad de observaciones muy alejadas de la media, en relacin a su propia desviacin tpica, debe tener el resto de sus observaciones muy cercanas a la media, en comparacin a su desviacin tpica. Esto hace que una curtosis elevada suela acompaarse de frecuencias relativamente muy grandes en torno a la media, dando lugar a un diagrama de frecuencias con forma puntiaguda en la media, de ah el nombre alternativo de apuntamiento para la curtosis. Para entender correctamente el concepto de curtosis, es importante no confundir curtosis alta con dispersin alta. Una v.e. con una cantidad importante de valores muy alejados de la media puede tener, por eso mismo, una dispersin elevada, pero no necesariamente una curtosis alta. Para que se d una curtosis elevada tiene que ocurrir que esas grandes desviaciones respecto a la media, sean grandes en comparacin a la desviacin tpica. De esa manera, puede verse que la cantidad de curtosis no est relacionada en absoluto con la dispersin de la v.e., sino con la forma de distribuirse esta dispersin. Para qu sirve? La curtosis nos informa sobre la existencia (o no) de observaciones mucho ms alejadas a la media que la mayora de ellas. En una v.e. con curtosis alta (leptocrtica) pueden encontrarse valores excepcionalmente alejados de la media; en una con curtosis baja es imposible o muy infrecuente que eso se d. Una curtosis elevada va, en cierta forma, asociada al concepto de riesgo: podran registrarse valores de la variable muy diferentes a los habituales, y, por tanto, se hara dificil una prediccin segura. Algunos ejemplos seran los siguientes:

- Si sabemos que un determinado producto ofrece unos beneficios mensuales con una media de 15 millones de ptas y una desviacin tpica de 5 millones, nos podramos hacer una idea del rango aproximado del beneficio mensual usando el Teorema de Tchebycheff: en una gran mayora de los meses los beneficios estaran entre 5 y 25 millones. Sin embargo, el conocimiento de la curtosis nos ayudara a matizar esta informacin: si los beneficios tienen poca curtosis, no habr (apenas) valores excepcionalmente alejados de la media y, por ello, en el intervalo (5 , 25) estarn prcticamente el 100% de los valores mensuales de beneficios; si la curtosis fuese alta habra algunos meses en donde el beneficio sera considerablemente menor o considerablemente mayor que lo indicado en ese intervalo. En el caso primero sera casi imposible encontrar un mes con prdidas, en el segundo caso sera posible observar esa circunstancia: el riesgo sera mayor. - Si en una localidad A la lluvia anual es una v.e. con moderada dispersin y mucha curtosis, ocurrir que el comportamiento pluvial ser relativamente estable ao tras ao, sin grandes altibajos, pero, excepcionalmente, se producirn aos con una precipitacin muy diferente de las habituales: o bien aos muy secos, o bien aos extremadamente lluviosos. Si en otra localidad B la lluvia anual es una v.e. con gran dispersin pero con curtosis moderada, habr constantemente una gran variabilidad interanual en la precipitacin, y por tanto los aos muy secos o extremadamente lluviosos no sern vistos como excepcionales o imprevistos, sino que ocurrirn con cierta frecuencia. La dificultad en la prediccin de valores futuros de una v.e. de elevada curtosis reside en que es difcil saber hasta dnde pueden darse sus valores, por muchas observaciones que se tengan recogidas hasta el presente. De nuevo aparece el concepto de riesgo relacionado con la curtosis. Grfica de la curtosis

La frmula para calcular la Curtosis es: