Академический Документы
Профессиональный Документы
Культура Документы
Ramón Rincones
Estadística Descriptiva
Este tópico presenta dos formas numéricas de describir datos cuantitativos: las medidas
de ubicación y las medidas de dispersión. A las medidas de ubicación a menudo se les llama
promedios. El propósito de una medida de ubicación consiste en señalar el centro de un
conjunto de valores. Usted está familiarizado con el concepto de promedio, medida de
ubicación que muestra el valor central de los datos.
Los salarios de los ejecutivos en las empresas de Internet van de $70 000 a $90 000, en
cambio los salarios de los ejecutivos de marketing de la industria farmacéutica van de $40 000
a $120 000. Por consiguiente, aunque los salarios promedio son los mismos en las dos
industrias, hay más propagación o dispersión en los salarios de los ejecutivos de la industria
farmacéutica. Para describir la dispersión considere el rango, la desviación media, la varianza y
la desviación estándar.
extra que trabajaron la semana pasada los seis soldadores del departamento mantenimiento
de Lácteos Los Andes fue de 6.45 horas.
En el caso de los datos en bruto (sin procesar), que no han sido agrupados en una
distribución de frecuencias, la media poblacional es la suma de todos los valores en la población
dividida entre el número de valores de la población. Para determinar la media poblacional,
aplique la siguiente formula:
EJEMPLO
¿Representa esta información una muestra o una población? ¿Cuál es la media aritmética del
número de patentes concedidas?
Solución
Es una población, ya que se toma en cuenta a todas las compañías fabricantes que consiguen
patentes. Sume el número de patentes de cada una de las 12 compañías. El número total de
patentes de las 12 compañías es de 2 340. Para determinar la media aritmética, divida este total
entre 12. Así, la media aritmética es 195, calculada mediante la operación 2 340/12. De acuerdo
con la fórmula
¿Cómo interpretar el valor 195? El número típico de patentes que recibe una compañía
fabricante de automóviles es 195. Como se ha tomado en cuenta a todas las compañías que
reciben patentes, este valor es un parámetro poblacional.
Media Muestral
(Ecuación 2)
2/23
Prof. Ramón Rincones
Estadística Descriptiva
En este punto es deseable hacer las siguientes aclaratorias con respecto a la Media
Aritmética, también denominada Muestra Poblacional y la Media Muestral. La primera incluye
todos los datos de la población; mientras que la segunda, como su nombre lo señala; representa
una porción o parte de los datos de una población. Por ello, hay que prestar mucha atención a
esta diferencia entre ambas muestras. ¿Cuándo usar una y la otra? Eso dependerá del tamaño
de la población. Cuando ésta es relativamente pequeña se usa la media muestral, pero cuando
la población es grande lo recomendable es usar la media poblacional, esto se hace por razones
de tiempo y dinero. Más adelante, en estadística inferencia o aplicada, se enseña la técnica
como determinar el tamaño de la muestra para determinar la media muestral.
Ejemplo:
Una empresa que se especializa en obligaciones de bonos a largo plazo de países extranjeros.
Nos interesa la tasa de interés de estas obligaciones. Una muestra aleatoria de seis (6)
obligaciones revela lo siguiente:
Movistar estudia la cantidad de minutos que consumen sus clientes que cuentan con un plan
tarifario de cierto teléfono celular. Una muestra aleatoria de 12 clientes arroja la siguiente
cantidad de minutos empleados el mes pasado.
90 77 94 89 119 112
91 110 92 100 113 83
El valor de la media muestral de los minutos consumidos el mes pasado por los usuarios de
teléfonos celulares de la muestra es de 97,5 minutos. Cae destacar que como los datos son
pocos la media aritmética será también de 97,5 minutos.
3/23
Prof. Ramón Rincones
Estadística Descriptiva
El esquema es:
La media tiene un punto débil. Recuerde que el valor de cada elemento de una muestra,
o población, se utiliza cuando se calcula la media. Si uno o dos de estos valores son
extremadamente grandes o pequeños comparados con la mayoría de los datos, la media podría
no ser un promedio adecuado para representar los datos.
Por ejemplo, suponga que el ingreso mensual de un pequeño grupo de corredores de
bolsa del Banco Mercantil es de Bs 62 900, Bs 61 600, Bs 62 500, Bs 60 800 y Bs 1 200 000. El
4/23
Prof. Ramón Rincones
Estadística Descriptiva
ingreso medio del grupo es de Bs 289 560; claro, no es representativo del grupo, ya que todos,
salvo un corredor, tienen ingresos entre Bs 60 000 y Bs 63 000. Un ingreso (Bs 1.2 millones)
afecta en exceso la media.
La media tampoco es apropiada, si hay una clase abierta en los datos considerados en
una distribución de frecuencia. Ejemplo: Si se tiene una clase de datos de “Bs 100.000 o más”;
y si hay 10 personas en la clase, no se puede saber a ciencia cierta; si los ingresos son
exactamente Bs 100.000, Bs 150.000 o Bs 16.000.000.
Media ponderada
La media ponderada, que constituye un caso especial de la media aritmética, se presenta
cuando hay varias observaciones con el mismo valor. Para entender este tema, suponga que el
Wendy’s Restaurant vende refrescos medianos, grandes y gigantes a $0,90, $1,25 y $,.50. De
las 10 últimas bebidas que se vendieron 3 eran medianas, 4 grandes y 3 gigantes. Para
determinar el precio promedio de las últimas 10 bebidas vendidas recurra a la ecuación 2.
El precio promedio de venta de las últimas 10 bebidas es de $1.22. Una forma más fácil
de calcular el precio promedio de venta consiste en determinar la media ponderada:
multiplique cada observación por el número de veces que aparece. La media ponderada se
representa como , que se lee: “X subíndice w”.
En este caso, las ponderaciones son conteos de frecuencias. Sin embargo, cualquier
medida de importancia podría utilizarse como una ponderación. En general, la media
ponderada del conjunto de números representados como X1, X2, X3, …, Xn con las
ponderaciones correspondientes w1, w2, w3, …, wn, se calcula de la siguiente manera:
Ec. 4
Que se abrevia de la siguiente manera:
Ec. 5
5/23
Prof. Ramón Rincones
Estadística Descriptiva
Ejemplo:
TAREA
Una tienda vendió 95 trajes a Bs. 4.000 como precio normal. En la venta de Carnaval los
trajes fueron rebajados a la mitad y se vendieron 126. Mientras que en la liquidación final el
precio se redujo a Bs. 1.000 y se vendieron los restantes 79 trajes restantes.
Determine:
1. ¿Cuál fue precio ponderado de los trajes?
2. La tienda compró a Bs 2.000 cada uno de los 300 trajes. ¿Cuál es la ganancia de la
tienda; si los vendedores recibieron una comisión de Bs 250 por cada traje vendido?
Solución
1. X (barra) = (95*4000) + (126*2000) + (79*1000) / (95+126+79) = Bs 2.370
2. La ganancia por traje fue de Bs 120. Se obtiene de [ Bs 2.370 media ponderada] –
[Bs 2000 costo de cada traje] – [Bs 250 comisión de los vendedores] = Bs 120/traje.
Y la ganancia total fue de Bs120 * 300 trajes = Bs 36.000.
La Mediana
Si los datos contienen uno o dos valores muy grandes o muy pequeños, la media
aritmética no resulta representativa. Es posible describir el centro de dichos datos a partir de
una medida de ubicación denominada mediana.
El precio mediano de las unidades disponibles es de $70 000. Para determinarlo, ordene
los precios de menor ($60 000) a mayor ($275 000) y seleccione el valor medio ($70 000). En el
caso de la mediana los datos deben ser por lo menos de un nivel ordinal de medición.
Observe que existe el mismo número de precios bajo la mediana de $70 000 que sobre
ella. Por consiguiente, a la mediana no le afectan precios bajos o altos. Si el precio más alto
fuera de $90 000 o de $300 000, incluso de $1 000 000, el precio mediano aún sería de $70 000.
Asimismo, si el precio más bajo fuera de $20 000 o $50 000, el precio mediano todavía sería de
$70 000.
Ejemplo: El rendimiento total anualizado a cinco años de las mejores acciones de los Fondos
Mutuales se indican a continuación a fin de determinar el rendimiento anualizado mediano.
7/23
Prof. Ramón Rincones
Estadística Descriptiva
Solución:
Observe que los registros son pares, se ordenan de menor a mayor. Luego se localizar
los dos réditos (intereses) centrales.
Se suman los valores centrales, en este caso 22,6 + 25,4 = 48/ 2 = 24,0 %- Este valor de
24,0 % representa el rendimiento mediano de estas acciones. Recuerde que la mitad de los
réditos están por debajo de la mediana y la otra mitad por encima de ella.
Las principales propiedades de la mediana son las siguientes:
1. No influyen en ella valores extremadamente grandes o pequeños. Por consiguiente, la
mediana es una valiosa medida de ubicación cuando dichos valores se presentan.
2. Es calculable en el caso de datos de nivel ordinal o más altos. Recuerde que los datos
de nivel ordinal pueden ordenarse de menor a mayor o viceversa.
La Moda
La moda es otra medida de ubicación. Es el valor de la observación que aparece con
mayor frecuencia.
La moda es de especial utilidad para resumir datos de nivel nominal. Un ejemplo de esta
aplicación en datos de nivel nominal: una compañía creó cinco aceites para baño. La gráfica
siguiente muestra los resultados de una encuesta de mercado que se diseñó para determinar
qué aceite para baño prefieren los consumidores. La mayoría de los encuestados se inclinó por
Lamoure, según lo evidencia la barra más grande. Por consiguiente, Lamoure representa la
moda.
8/23
Prof. Ramón Rincones
Estadística Descriptiva
En resumen, es posible determinar la moda para todos los niveles de datos: nominal,
ordinal, de intervalo y de razón. La moda también tiene la ventaja de que no influyen en ella
valores extremadamente grandes o pequeños.
No obstante, la moda tiene sus desventajas, por las cuales se le utiliza con menor
frecuencia que a la media o la mediana. En el caso de muchos conjuntos de datos no existe la
moda, porque ningún valor se presenta más de una vez. Por ejemplo, no hay moda en el
siguiente conjunto de datos de precios: Bs 19, Bs 21, Bs 23, Bs 20 y Bs 18. Sin embargo, como
cada valor es diferente, podría argumentar que cada valor es la moda. Por el contrario, en el
caso de algunos conjuntos de datos hay más de una moda. Suponga que las edades de los
miembros de un club de inversionistas son 22, 26, 27, 27, 31, 35 y 35. Las edades 27 y 35 son
modas. Así, este agrupamiento de edades se denomina bimodal (tiene dos modas). Alguien
podría cuestionar la utilización de dos modas para representar la ubicación de este conjunto de
datos de edades.
TAREA
Se muestran los sueldos de los gerentes calidad de varias empresas. Determine la moda.
Bs 33.0000; Bs 49.000; Bs 60.000; Bs 33.000; Bs 40.000; Bs 60.000; Bs 40.000; Bs 60.000
Respuesta: Bs 60.000, se repite tres veces.
Donde:
Xbarra = Media aritmética
X = El valor medio o punto medio de cada clase
F = Frecuencia de cada clase
∑fX = Suma de estos productos
n = Número total de frecuencias
Ejemplo: Basado en la cantidad de vehículos los 80 vendidos del ejercicio previo, se tiene:
9/23
Prof. Ramón Rincones
Estadística Descriptiva
Recuerde la media de los datos agrupados en una distribución de frecuencia puede ser
diferente de los datos no-agrupados. La media de los datos no-agrupados es US $ 20.218; el
cual es muy cercano de la media de los datos agrupados. Nótese que la diferencia es de apenas
US $ 118, es decir 0,58%,
Tarea
Los ingresos netos de una muestra de importadores mayoristas de antigüedades se
organizaron de la manera siguiente:
Ingresos Netos US $ (103) No. de importaciones
2a6 1
6 a 10 4
10 a 14 10
14 a 18 3
18 a 22 2
Recuerde que para la mediana una mediana una mitad de los valores están por debajo de ella,
mientras que la otra mitad de los valores están por encima de ella.
Como los datos se ha organizado los datos en no-agrupados, en una distribución de frecuencia;
se ha perdido algo de información. En consecuencia, no se puede determinar la mediana con
precisión. Sin embargo, se puede estimar la mediana de la manera siguiente:
1. Se localiza la clase que contiene la mediana.
2. Se interpola dentro de la clase para obtener la mediana.
El razonamiento porqué se hace esto, es que se supone que los miembros de la clase mediana
se encuentran distribuidas uniformemente dentro de la clase mediana. A tal fin, la ecuación
para interpolar es
n
̅ − CF
2
mediana = L + (i)
f
Ecuación 5b
Donde:
L = Límite inferior de la clase que contiene la mediana
n= Número de frecuencias
f= Frecuencia en la clase mediana
CF = Número de frecuencias en las clases que precede a la clase contentiva de la mediana.
i= Amplitud de la clase en la que se encuentra la mediana.
Ejemplo:
Usaremos los datos de los 80 vehículos. Por tanto, debemos ubicar la observación número 40
(hay un total de 80 observaciones) en los datos ordenados de menor a mayor, como se indica
en la distribución de frecuencia mostrada a continuación. En consecuencia, el precio de la
posición 40 será la mediana.
10/23
Prof. Ramón Rincones
Estadística Descriptiva
Nota: Para ser técnicamente correctos y consistentes como hemos encontrado la mediana de
datos no-agrupados se debería usar (n+1) /2; en lugar de n/2. Dado que el número de
observaciones en datos agrupados en una distribución de frecuencia suele ser grande; se suele
ignorar esta pequeña diferencia.
n
̅ − CF
mediana = L + 2 (i)
f
80
̅ − 31
2
mediana = $18.000 + ($3.000)
17
Recuerde que la mediana estimada para datos no-agrupados y datos agrupados, no serán
exactamente iguales.
MODA GRUPAL
El punto medio de la clase modal es la moda estimada; es decir, el punto medio de la frecuencia
mayor.
En una distribución SIMÉTRICA, la mediana, la media y la media son iguales. Mientras que en
una distribución SESGADA (inclinada hacia un lado), la media, la mediana y la moda tendrán
magnitudes diferentes. Ver ejemplos ilustrados a continuación:
11/23
Prof. Ramón Rincones
Estadística Descriptiva
12/23
Prof. Ramón Rincones
Estadística Descriptiva
Una medida de ubicación, como la media o la mediana, sólo describe el centro de los
datos. Desde este punto de vista resulta valiosa, pero no dice nada sobre la dispersión de los
datos. Por ejemplo, si la guía de turismo ecológico dice que el río que se encuentra a pocos
pasos tiene en promedio 90 cm de profundidad, ¿querría usted cruzarlo a pie sin más
información? Quizá no. Usted desearía saber algo sobre la variación de la profundidad. ¿Mide
95 cm la máxima profundidad y 70 cm pies la mínima? En dicho caso, usted estaría de acuerdo
en cruzar. ¿Qué hay si usted se enteró de que la profundidad del río variaba de 15 cm a 1,75 m?
Su decisión probablemente sería no cruzar.
Antes de tomar una decisión, usted desea información tanto de la profundidad típica
como de la dispersión de la profundidad del río. Una medida de dispersión pequeña indica que
los datos se acumulan con proximidad alrededor de la media aritmética. Por consiguiente, la
media se considera representativa de los datos. Por el contrario, una medida grande de
dispersión indica que la media no es confiable
Medidas de dispersión
Rango
La medida más simple de dispersión es el rango. Representa la diferencia entre los
valores máximo y mínimo de un conjunto de datos. En forma de ecuación:
R = Valor Máximo - Valor Mínimo Ec. 6
La desviación media representa los valores absolutos de las desviaciones con respecto a la
media aritmética. En el caso de una muestra, la desviación media, designada DM, se calcula
mediante la ecuación siguiente.
Ec. 7
13/23
Prof. Ramón Rincones
Estadística Descriptiva
¿Por qué ignorar los signos de las desviaciones de la media? De no hacerlo, las desviaciones
positivas y negativas se compensarían con exactitud unas a otras y la desviación media siempre
sería cero. Dicha medida (cero) resultaría un estadístico sin utilidad.
Ejemplo: El número de pacientes en la emergencia del Hospital Central en una muestra de cinco
días del mes pasado fue de 103, 97, 1069, 101 y 101. Determina la desviación media e
interprétela.
Solución:
X barra = 103+97+101+106+103 / 5 = 102 pacientes
Por tanto, DM = 12/5 = 2,4 pacientes; es decir que la DM= 2,4 pacientes/día se desvía
de la media de 102 pacientes, en promedio, de 2,4 pacientes/día.
Ec. 8
Donde:
σ2 es la varianza de la población (σ es la letra minúscula griega sigma); se lee sigma al cuadrado.
X es el valor de una observación de la población.
µ es la media aritmética de la población.
N es el número de observaciones de la población.
Ejemplo: Las edades de todos los pacientes en la sala de aislamiento del Hospital Central son:
38, 26, 13, 41 y 22 años respectivamente. ¿Cuál es la varianza poblacional?
Solución:
Primero, se determina la media poblacional (µ): µ = ∑x / N = 140/5 = 28 años
Segundo se elabora el cuadro siguiente;
15/23
Prof. Ramón Rincones
Estadística Descriptiva
σ2 = 534/5 = 106,8 años2 ; Nótese que las unidades son años al cuadrado
Existe una forma de salir del problema. Si extrae la raíz cuadrada de la varianza de la
población, puede convertirla a las mismas unidades de medición que emplean los datos
originales. La raíz cuadrada de 106,8 años elevados al cuadrado es de 10,33 años. Las unidades
ahora son sencillamente años. La raíz cuadrada de la varianza de la población es la desviación
estándar de la población.
Tarea:
Empresas Polar en Chivacoa contrató a cinco pasantes para el área de contabilidad con una
asignación semanal de Bs 2.536, 2.173, 2.448, 2.121 y 2.622. Determine lo siguiente: (a) La
media poblacional, (b) La varianza poblacional. (c) La desviación estándar.
Solución:
(a)
𝚺𝑿 𝟏𝟏𝟗𝟎𝟎
𝝁= = = 𝑩𝒔 𝟐. 𝟑𝟖𝟎
𝑵 𝟓
(b)
σ2 = (2536 – 2380)2 + (2173 – 2380)2 + (2448 – 2380)2 + (2121 – 2380)2 + (2622 – 2380)2 /5
= (156)2 + (-207)2 + (68)2 + (-259)2 + (242)2 / 5
= 24.336 + 42.849 + 4624 + 67.071 + 58.564 /5
= 197.444 /5
σ2 = Bs2 39.488,80 Nótese que las unidades son bolívares al cuadrado
Interpretación:
Los datos varían con respecto a la media poblacional en la magnitud de Bs 198,72
16/23
Prof. Ramón Rincones
Estadística Descriptiva
Varianza Muestral
La fórmula para determinar la media poblacional es µ = ∑X/N. Sencillamente se cambian los
símbolos de la media de la muestra; es decir, Xbarra = ∑ X/n. Desafortunadamente, la conversión
de una varianza poblacional en una varianza muestral no es tan directa. Requiere un cambio en
el denominador. En lugar de sustituir n (el número de la muestra) por N (el número de la
población), el denominador es n - 1. Así, la fórmula de la varianza muestral es:
Ecuación 10
donde:
s2 es la varianza muestral.
X es el valor de cada observación de la muestra.
Xbarra es la media de la muestra.
n es el número de observaciones realizadas.
¿Por qué se hizo este cambio en el denominador? Aunque el empleo de n se entiende en virtud
de que se utiliza Xbarra, para calcular µ; esto tiende a subestimar la varianza poblacional, σ2. La
inclusión de (n -1) en el denominador proporciona la corrección adecuada para esta tendencia.
Como la aplicación fundamental de estadísticos muéstrales como s2 es calcular parámetros de
población como σ2, se prefiere (n -1) en lugar de n para definir la varianza muestral. También
se emplea esta convención al calcular la desviación estándar de una muestra.
Ejemplo:
Los salarios por hora de una muestra de empleados de medio tiempo en una ferretería en los
Colombia son: $ 12, 20, 16, 18 y 19 respectivamente. Determine ¿cuál es la varianza de la
muestra?
Solución
17/23
Prof. Ramón Rincones
Estadística Descriptiva
Ecuación 11
Ejemplo:
La varianza de la muestra en el ejemplo anterior, que incluye salarios por hora, se calculó en
10. ¿Cuál es la desviación estándar?
Solución
n La desviación estándar de la muestra es $3.16, que se determina con [10]1/2 . Observe
nuevamente que la varianza de la muestra se expresa en términos de pesos al cuadrado, pero
al extraer la raíz cuadrada a 10 se obtiene $3.16, que se encuentra en las mismas unidades
(pesos) que los datos originales.
(∑𝒙) 𝟐
√∑𝒙 − 𝒏
𝒔=
𝒏−𝟏
(∑𝒇𝒙) 𝟐
√ ∑𝒇𝒙 𝟐 −
𝒔= 𝒏
𝒏−𝟏
Donde:
S = desviación estándar
X = Punto medio de la clase
f = Frecuencia de la clase
n = Número de observaciones de la muestra.
18/23
Prof. Ramón Rincones
Estadística Descriptiva
Ejemplo
Una muestra de inversiones quincenales de los empleados de una empresa en el plan de
participación de ganancia es como se muestra a continuación. Determine la desviación estándar
de las inversiones.
Los cálculos se pueden hacer directamente en la calculadora, si usted sabe manejarla muy bien;
en caso contrario le sugiero el método de la tabla; como se muestra a continuación.
𝟐 (∑𝒇𝒙) 𝟐
√∑𝒇𝒙 − 𝒏
𝒔=
𝒏−𝟏
(𝟔𝟏𝟖𝟓) 𝟐
√𝟑𝟐𝟓. 𝟓𝟎𝟎 − 𝟏𝟐𝟎
𝒔=
𝟏𝟐𝟎 − 𝟏
s = US $ 7,51
19/23
Prof. Ramón Rincones
Estadística Descriptiva
Tarea
El tiempo, en meses, que tienen los taladros de ¼ pulgada tomados de una muestra de taladros
disponibles que tiene la tienda EPA de la Zona Industrial 2, para su alquiler se muestran en el
cuadro siguiente. Determine: 1. El rango. 2. La desviación estándar. 3. La varianza.
Meses f
2a4 2
4a6 5
6a8 10
8 a 10 4
10 a 12 2
Respuestas
1. 10 meses
2. S = 2,13 meses
3. S2 = 4,53 meses2
20/23
Prof. Ramón Rincones
Estadística Descriptiva
Curva simétrica con forma de campana que muestra las relaciones entre la desviación y las
observaciones.
Se ha observado que, si una distribución es simétrica y tiene forma de campana, todas las
observaciones se encuentran entre la media más y menos tres desviaciones estándares. Por
consiguiente, si Xbarra = 100 y s = 10, todas las observaciones se encuentran entre 100 + 3(10) y
100 – 3(10), o 70 y 130. Por tanto, el rango es de 60, que se calcula restando130 – 70. Por lo
contrario, si sabe que el rango es de 60, puede aproximar la desviación estándar dividiendo el
rango entre 6. En este caso: rango ÷ 6 = 60 ÷ 6 = 10, la desviación estándar.
Ejemplo
Una muestra de gastos de diarios de una persona de la tercera edad que vive sola, se aproxima
a una distribución simétrica con forma de campana. La media de la muestra es de Bs 1.500; la
desviación estándar de Bs 200. De acuerdo con la regla empírica determine las siguientes
preguntas:
1. Entre que dos cantidades se encuentra aproximadamente 68% de los gastos diarios en
alimentos?
2.Entre que dos cantidades se encuentra cerca de, 95% de los gastos diarios en alimentos?
3. Entre que dos cantidades se encuentran casi todos los gastos diarios en alimentos?
Solución
1. Cerca de 68% se encuentra entre Bs 1.300 y Bs 1.700, calculado de la siguiente manera:
Xbarra ± 1s = Bs 1500 ± 1(200)
3. Casi todas (99.7%) se encuentran entre Bs 900 y Bs 2.100, calculado de la siguiente manera:
Dispersión Relativa
Una comparación de dos o más medidas de dispersión, por ejemplo, la desviación estándar de
una distribución de ingresos mensuales y la desviación estándar de ausentismo laboral del
mismo grupo de empleados es imposible. Ya ambas desviaciones tienen unidades diferentes
(Bs versus h). Entonces la pregunta es: ¿Cómo comparar estas desviaciones? Esto se logra
mediante el Coeficiente de Variación (CV). Se usa cuando se presentan las situaciones
siguientes
1. Los datos están en unidades diferentes
2. Los datos están en las mismas unidades, pero las medias son muy distintas. Por ejemplo,
los ingresos de alto nivel y los ingresos de los empleados no calificados.
𝑠
𝐶𝑉 = (100%)
𝑋
Ejemplo
En un estudio de las notas obtenidas en un curso sobre los principios de administración y de los
años de servicio de los empleados en el curso, se obtuvieron estos datos estadísticos: La nota
media del examen fue 200 puntos; y la desviación estándar fue de 40 puntos. Mientras que la
media de los años de servicio fue de 20 años con una desviación estándar de dos años. Compare
la dispersión relativa en las dos distribuciones mediante el CV.
Solución
Nótese que las distribuciones tienen unidades diferentes (puntos vs años)
𝑠 𝑠
𝐶𝑉 = (100%) 𝐶𝑉 = (100%)
𝑋 𝑋
40 2
𝐶𝑉 = (100%) 𝐶𝑉 = (100%)
200 20
𝐶𝑉 = 20%) 𝐶𝑉 = 10%)
Interpretación:
Hay más dispersión relativa en la media de la distribución de las notas en los exámenes que la
distribución de los años de servició; dado que 20% es mayor que 10%.
Ejemplo
Obsérvese que a primera vista pareciera que mayor dispersión en ingresos anuales de los
ejecutivos. Sin embargo, las medias son muy diferentes que se necesita convertir los
estadísticos en CV para poder hacer una comparación de las variaciones en los ingresos anuales.
Solución
Para los empleados Ejecutivos Para los empleados no-calificados
𝑠 𝑠
𝐶𝑉 = (100%) 𝐶𝑉 = (100%)
𝑋 𝑋
50000 2200
𝐶𝑉 = (100%) 𝐶𝑉 = (100%)
500000 22000
𝐶𝑉 = 10%) 𝐶𝑉 = 10%)
Interpretación:
Con los resultados obtenidos implica que no hay una dispersión relativa entre los dos grupos.
REFERENCIAS
Levin, Ry Rubin, D, (2007) Estadística para economía y negocios. 7ma. Edición. Editorial
Pearson. México.
Lind, D. y otros. (2008) Estadística aplicada a los negocios y la economía. 13ma edición.
Editorial McGraw Hill. Ciudad de México
Walpole, R y otros (2012) Probabilidad y estadística para ingeniería y ciencias. 9na edición.
Editorial Pearson. México
Webster, A. (2000) Estadística aplicada a los negocios y la economía. 3ra. Edición. Editorial
Irwin McGraw-Hill. Bogotá, Colombia.
23/23