Amplitud total o extensin

Es la diferencia entre el valor ms bajo y el ms alto de una serie; o sea, la diferencia

entre el lmite superior real y el lmite inferior real de una distribucin de frecuencias. Es la
medida ms simple y se usa cuando slo queremos una comparacin rpida entre dos
distribuciones. No nos informa nada acerca de sus formas. No es muy confiable, sobre
todo cuando se trabaja con pocos casos o cuando existen intervalos de frecuencia nula.
Slo se basa en dos observaciones extremas; el resto de las observaciones no
intervienen en su determinacin. / Es la primera medida de dispersin que se obtiene en
cuanto han sido ordenadas las puntuaciones. Se denomina tambin rango total o gama.

Varianza y desviacin estndar

La desviacin slo significa qu tan lejos de lo normal
Desviacin estndar
La desviacin estndar () mide cunto se separan los datos.
La frmula es fcil: es la raz cuadrada de la varianza. As que, "qu es la
varianza?"
Varianza
la varianza (que es el cuadrado de la desviacin estndar: 2) se define as:
Es la media de las diferencias con la media elevadas al cuadrado.
En otras palabras, sigue estos pasos:
1. Calcula la media (el promedio de los nmeros)
2. Ahora, por cada nmero resta la media y eleva el resultado al cuadrado (la
diferencia elevada al cuadrado).
3. Ahora calcula la media de esas diferencias al cuadrado. (Por qu al
cuadrado?)

Estudia la distribucin de los valores de la serie, analizando si estos se encuentran

ms o menos concentrados, o ms o menos dispersos.
Existen diversas medidas de dispersin, entre las ms utilizadas podemos
destacar las siguientes:
1.- Rango: mide la amplitud de los valores de la muestra y se calcula por
diferencia entre el valor ms elevado y el valor ms bajo.
2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se
calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media,
multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio
obtenido se divide por el tamao de la muestra.

La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms

concentrados estn los valores de la serie alrededor de la media. Por el contrario,
mientras mayor sea la varianza, ms dispersos estn.
3.- Desviacin tpica: Se calcula como raz cuadrada de la varianza.
4.- Coeficiente de varizacin de Pearson: se calcula como cociente entre la
desviacin tpica y la media.
Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de una
clase (leccin 2) y vamos a calcular sus medidas de dispersin.

En estadstica, cuando se desea hacer referencia a la relacin entre el tamao de

la media y la variabilidad de la variable, se utiliza el coeficiente de variacin.

Su frmula expresa la desviacin estndar como porcentaje de la media

aritmtica, mostrando una mejor interpretacin porcentual del grado de variabilidad
que la desviacin tpica o estndar. Por otro lado presenta problemas ya que a
diferencia de la desviacin tpica este coeficiente es variable ante cambios de
origen. Por ello es importante que todos los valores sean positivos y su media d,
por tanto, un valor positivo. A mayor valor del coeficiente de variacin mayor
heterogeneidad de los valores de la variable; y a menor C.V., mayor
homogeneidad en los valores de la variable. Suele representarse por medio de las
siglas C.V.

Coeficiente de correlacin de Pearson

Ejemplos de diagramas de dispersin con diferentes valores del coeficiente de

correlacin ()
En estadstica, el coeficiente de correlacin de Pearson es una medida de la
relacin lineal entre dos variables aleatorias cuantitativas. A diferencia de
la covarianza, la correlacin de Pearson es independiente de la escala de medida
de las variables.
De manera menos formal, podemos definir el coeficiente de correlacin de
Pearson como un ndice que puede utilizarse para medir el grado de relacin de
dos variables siempre y cuando ambas sean cuantitativas.
Interpretacin

Varios grupos de puntos (x, y), con el coeficiente de correlacin para cada grupo.
Ntese que la correlacin refleja la no linealidad y la direccin de la relacin lineal.
En la figura del centro, la varianza de y es nula, por lo que la correlacin es
indeterminada.
El valor del ndice de correlacin vara en el intervalo [-1,1], indicando el signo el
sentido de la relacin:
Si r = 1, existe una correlacin positiva perfecta. El ndice indica una dependencia
total entre las dos variables denominada relacin directa: cuando una de ellas
aumenta, la otra tambin lo hace en proporcin constante.
Si 0 < r < 1, existe una correlacin positiva.
Si r = 0, no existe relacin lineal. Pero esto no necesariamente implica que las
variables son independientes: pueden existir todava relaciones no lineales entre
las dos variables.
Si -1 < r < 0, existe una correlacin negativa.
Si r = -1, existe una correlacin negativa perfecta. El ndice indica una
dependencia total entre las dos variables llamada relacin inversa: cuando una de
ellas aumenta, la otra disminuye en proporcin constante.

Un contraste de hiptesis estadstico se plantea como una decisin entre dos

hiptesis.
La hiptesis nula consiste en una afirmacin acerca de la poblacin de origen de
la muestra. Usualmente, es ms simple (menor nmero de parmetros, por
ejemplo) que su antagonista. Se designa a la hiptesis nula con el smbolo H0.
La hiptesis alternativa es igualmente una afirmacin acerca de la poblacin de
origen. Muchas veces, aunque no siempre, consiste simplemente en negar la
afirmacin de H0. La hiptesis alternativa se designa con el smbolo H1.

Hiptesis nula
En estadstica, una hiptesis es una afirmacin sobre un parmetro de la
poblacin. La hiptesis nula es una afirmacin que no se rechaza a menos que los
datos de la muestra parezcan evidenciar que es falsa. Para afirmar que la
hiptesis nula es verdadera se requiere estudiar a toda la poblacin. La hiptesis
nula generalmente incluye un no en su enunciado.
El concepto de hiptesis alternativa o de investigacin es una parte central de las
pruebas de hiptesis formales.
Alguien podra suponer que los cientficos se dedicaran a demostrar la hiptesis
alternativa o de investigacin (B es mejor que A), pero no es el caso. La
aproximacin a este objetivo, en cambio, es indirecta. En lugar de intentar
demostrar la hiptesis alternativa o de investigacin, el mtodo cientfico asume
que, de hecho, B no es diferente de A, que el nuevo tratamiento no ofrece ninguna
mejora sobre el tratamiento de referencia. Esto se conoce como hiptesis nula.
Para comprender por qu el mtodo cientfico adopta este enfoque indirecto en las
pruebas de hiptesis, puede que nos ayude la siguiente afirmacin de Albert
Einstein: No hay cantidad suficiente de experimentacin que demuestre que
tengo razn, pero en cambio un solo experimento puede demostrar que estoy
equivocado.
As, los cientficos usan las pruebas estadsticas para determinar si la hiptesis
nula es verdadera o falsa. Si pueden demostrar con cierta probabilidad que la
hiptesis nula es falsa, se adoptara la hiptesis alternativa o de investigacin
(debe ser verdadera); en este ejemplo, significa que el nuevo tratamiento es mejor
que el de referencia.