Unidad N 2. Medidas de dispersión

Transcripción

1 Uidad N 2 Medidas de dispersió Ua seguda propiedad importate que describe ua serie de datos uméricos es ua variació. La variació es la catidad de dispersió o propagació e los datos. Dos series de datos pueda diferir tato e la tedecia cetral como e la variació o puede darse el caso que dos series puede teer la misma tedecia cetral, pero diferir grademete e térmios de variació. Las medicioes de variació so la variaza, la desviació estádar y el coeficiete de variació. 2.1 La variaza Ua medició de variació comúmete usada que toma e cueta cómo se distribuye todos los valores e los datos es la variaza. Esta medició evalúa la forma e que los valores fluctúa alrededor de la media. Defiició de la variaza de muestra: La variaza de muestra es aproximadamete (o casi) el promedio de las diferecias cuadradas etre cada ua de las observacioes e ua serie de datos y la media. Así, para ua muestra que cotiee observacioes, X, X,..., X, la variaza de muestra (dada por el símbolo S 2 ) puede escribirse como _ (X l -X) 2 + (X 2 -X) (X -X) 2 S 2 = -1 Usado uestra otació de sumatoria, la formulació aterior puede expresarse de maera más simple como: 1

2 S 2 = Σ (Xi -X) 2 i = 1-1 dode _ X = media aritmética de muestra = tamaño de muestra X = iésimo valor de la variable aleatoria X Σ (X -X ) 2 = sumatoria de todas las-diferecias cuadradas i=1 etre los valores Xi y X Si el deomiador hubiera sido e lugar de -1, se hubiera obteido el promedio de las diferecias cuadradas alrededor de la media. Si embargo, -1 se usa aquí debido a ciertas propiedades matemáticas deseables que la estadística S 2 posee que la hace apropiada para la iferecia estadística. Si tamaño de muestra es grade, la divisió etre o -1 realmete o hace mucha diferecia. La variació de la població o Variaza Poblacioal está dada por el símbolo σ 2 x, la letra griega sigma, subídice x cuadrada, es decir: dode: N: tamaño de la població X i : iésimo valor de la variable aleatoria N 2

3 Σ (X i -µ x ) 2 : sumatoria de todas las diferecias etre los valores X i y µ x. i = 1 Σ X i Sumatoria de todos los valores X i de la població 2.2 Desviació Estádar Se dijo ateriormete que ua medició de variació comúmete usada que toma e cueta cómo se distribuye todos los valores e los datos es la variaza, a ella le sumamos la Desviació Estádar, ya que esta medició evalúa tambié la forma e que los valores fluctúa alrededor de la media. Defiició de la desviació estádar de muestra: La desviació estádar de muestra (dada por el símbolo S) es simplemete la raíz cuadrada de la variaza de muestra. Esto es: S = Σ (Xl -X) 2 i = 1-1 Cálculo de S 2 y de S: Para calcular la variaza 1) Obteemos la diferecia etre cada observació y la media 2) Elevamos al cuadrado cada diferecia 3) Sumamos los resultados cuadrados 4) Dividimos la sumatoria etre -1 Para calcular la desviació estádar simplemete tomamos la raíz cuadrada de la variaza. Para uestra muestra de seis establecimietos de cría de gaado caprio, los datos si procesar (e cabezas de gaado) so

4 _ y X = 617 cabezas La variaza de muestra se calcula como S 2 = Σ (Xi -X) 2 i = 1-1 = ( ) 2 + ( ) ( ) = y la desviació estádar se calcula como S = S 2 = es: La desviació estádar de la població está dado por el símbolo griego σ x. Esto Obteció de S 2 y de S: Puesto que e los cálculos ateriores elevamos al cuadrado las diferecias, i la variaza i la desviaci6 estádar puede ser egativas. La úica vez e que S 2 y S podría ser cero sería cuado o hubo variació algua e los datos, cuado cada observació de la muestra fuera exactamete igual. E este iusual caso el alcace tambié sería cero. 4

5 Pero los datos uméricos so iheretemete variables, o costates. Cualquier feómeo de iterés aleatorio que pudiéramos imagiar geeralmete toma ua variedad de valores. Lo que idica la variaza y la desviació estádar: La variaza y la desviació estádar mide la dispersió "promedio" alrededor de la media, es decir, cómo las observacioes mayores fluctúa por ecima de ésta y cómo las observacioes meores se distribuye por debajo de ésta. La variaza posee ciertas propiedades matemáticas útiles. Si embargo, su cálculo da como resultado uidades, cuadradas, miles de pesos cuadrados, pesos cuadrados, metros cuadrados, etc. Por lo tato, para u trabajo práctico, uestra pricipal medició de variació será la desviació estádar, cuyo valor está e las uidades origiales de los datos, miles de pesos, pesos, metros, etcétera. Por qué cuadramos las desviacioes: Las fórmulas para variaza desviació estádar o podría simplemete usar Σ (Xi-X) = i=1 como umerador, porque tal vez recuerde que la media actúa como u puto de equilibrio para observacioes mayores y meores que ésta. Por tato, la suma de las desviacioes alrededor de la media siempre es cero; es decir Σ (Xi-X) = 0 i=1 Para demostrar esto, refirámoos uevamete a los datos de las cabezas de gaado de los establecimietos 678,1199,408, 233, 224, 960: E cosecuecia, Σ (Xi-X) = ( ) + ( ) + ( ) + i=1 ( ) + ( ) + ( ) = 0 5

6 Como ya se observó tres de las observacioes so meores que la media y tres so mayores. Auque la suma de las seis desviacioes es cero, la suma de las desviacioes cuadradas os permite estudiar la variació e los datos. Por tato, usamos Σ (Xi-X) 2 = i=1 al calcular la variaza y la desviació estádar. E el proceso de elevació al cuadrado, las observacioes que está más allá de la media obtiee más peso que las observacioes que está más cerca de la media. Por tato, podemos geeralizar de la siguiete maera: 1) Mietras más propagados o dispersos esté los datos, mayor será la variaza y la desviació estádar. 2) Mietras más cocetrados u homogéeos sea los datos, meor será la variaza y la desviació estádar. 3) Si las observacioes so todas iguales (de tal forma que o hay variació e los datos), la variaza y la desviació estádar so todas cero. Uso de la desviació estádar: La regla empírica E la mayor parte de las series de datos, ua gra porció de las observacioes tiede a agruparse de algua maera cerca de la mediaa. E las series de datos sesgadas a la derecha este agrupamieto ocurre a la izquierda (es decir, debajo) de la mediaa y e series de datos sesgadas a la izquierda las observacioes tiede a agruparse a la derecha (es decir, arriba) de la mediaa. E series de datos simétricas, dode la mediaa y la media so iguales, las observacioes tiede a distribuirse igualmete alrededor de estas medicioes de tedecia cetral. Cuado el sesgado extremo o se preseta y tal agrupamieto se observa e ua serie de datos, podemos usar la deomiada regla empírica para examiar la propiedad de variabilidad de datos y obteer ua mejor idea de lo que la desviació estádar está midiedo. La regla empírica establece que e la mayoría de las series de datos ecotraremos que aproximadamete dos de cada tres observacioes (es decir, 67%) 6

7 está coteidas e ua distacia de ua desviació estádar alrededor de la media y aproximadamete 90 a 95% de las observacioes está coteidas e ua distacia de 2 desviacioes estádar alrededor de la media. Así pues, la desviació estádar, como ua medició de la variació promedio alrededor de la media, os ayuda a compreder cómo se distribuye las observacioes por ecima y por debajo de la media y os ayuda a efocar y señalar observacioes iusuales (es decir, exteras) al aalizar ua serie de datos uméricos. Uso de la desviació estádar: La regla de Bieaymé Chebyshev Hace más de u siglo, los matemáticos Bieriaymé y Chebyshev examiaro de maera idepediete la propiedad de variabilidad de los datos alrededor de la media. Ecotraro que, si importar cómo se distribuye ua serie de datos, el porcetaje de observacioes que está coteidas detro de las distacias de k desviacioes estádar alrededor de la media debe ser al meos: ( 1-1 )100% K 2 Por tato, para datos co cualquier forma: 1) Al meos [1- (1/2 2 ] 100% = 75.0% de las observacioes debe estar coteidas detro de distacias de ± 2 desviacioes estádar alrededor de la media. 2) Al meos [1- (1/3 2 ] 100% = 88.89% de las observacioes debe estar coteidas detro de distacias de ± 3 desviacioes estádar alrededor de la media. 3) Al meos [1- (1/4 2 ] 100% = 93.75% de las observacioes debe estar coteidas detro de distacias de ± 4 desviacioes estádar alrededor de la media. Auque la regla de Bieaymé-Chebyshev es geeral e aturaleza y se aplica a cualquier tipo de distribució de datos, se verá que si los datos forma la distribució ormal de "campaa"o gaussiaa, 68.26% de todas las observacioes estará 7

8 coteidas detro de distacias de ± 1 desviacioes estádar alrededor de la media, mietras que 95.44%, 99.73% y 99.99% de las observacioes estará icluidas, respectivamete, detro de distacias de ± 2, ± 3 y ± 4 desviacioes estádar alrededor de la media. Estos resultados se resume e la tabla siguiete: Tabla: Cómo varía los datos alrededor de la media. Porcetaje de observacioes coteidas etre la media y k desviacioes estádar basadas e Número de uidades de Regla de Bieaymé-Chebyshev Distribució Datos establecimietos desviacioes estádar k para cualquier distribució gaussiaa de gaado 1 No calculable Exacta 68.26% Exacta 64.4% 2 Al meos 75.00% Exacta 95.44% Exacta 96.7% 3 Al meos 88.89% Exacta 99.73% Exacta 100.0% 4 Al meos 93.75% Exacta 99.99% Exacta 100.0% Específicamete, si se supiera que u feómeo aleatorio particular sigue el patró de la distribució de campaa, como muchos lo hace, al meos aproximadamete, etoces se sabría exactamete qué ta probable es que cualquier observació particular estuviera cerca o lejos de su media. Por lo geeral, si embargo, para cualquier tipo de distribució, la regla de Bieaymé-Chebyshev os dice al meos qué ta posible debe ser que cualquier observació particular caiga detro de ua distacia dada alrededor de la media. De la tabla aterior recordar que para la població de 40 establecimietos de cría de gaado caprio, lo posesió media de los mismos es 617 cabezas y la desviació estádar, es Resulta importate destacar que auque los datos de los establecimietos está sesgados a la derecha e forma, los porcetajes de los establecimietos que cae detro de ua o más desviacioes estádar alrededir de 8

9 ua media o so muy distitos de lo que se esperaría si los datos se distribuyera como ua distribució gaussiaa de campaa, simétrica. El coeficiete de variació A diferecia de las medicioes previas que se ha mostrado, el coeficiete de variació es ua medició relativa de variació. Se expresa como u porcetaje ates que e térmios de las uidades de los datos pricipales. El coeficiete de variació, deotado por el símbolo CV, mide la dispersió e los datos relativa a la media. Puede calcularse mediate: CV = S. 100% X dode S = desviació estádar e ua serie de datos uméricos X = media aritmética e ua serie de datos uméricos Regresado a los datos de los establecimietos de cría de gaado caprio, e el caso de la muestra de 6 de ellos, el coeficiete de variació es CV = S. 100% = % = X 617 Es decir, para esta muestra el tamaño relativo de la propagació promedio alrededor de la media" co respecto a la media es %. 9

10 Como ua medició relativa, el coeficiete de variació es particularmete útil al comparar la variabilidad de dos o más series de datos que se expresa e distitas uidades de medició. El coeficiete de variació tambié es muy útil al comparar dos o más cojutos de datos que so medidos e las mismas uidades pero difiere hasta tal puto que ua comparació directa de las respectivas desviacioes estádar o es muy útil. Como ejemplo, supoga que u iversioista potecial estuviera cosiderado comprar accioes de valores e ua de dos compañías, A o B, que se eumera e la Bolsa de Valores de Bueos Aires. Si igua compañía ofreciera dividedos a sus accioistas y si ambas compañías estuviera igualmete calificadas (por diversos servicios de iversió) e térmios de crecimieto potecial, el iversioista potecial podría desear cosiderar la volatilidad (variabilidad) de los dos valores para ayudar e la decisió de iversió. Ahora supoga que cada acció de valores de la compañía A ha promediado $50 durate los meses pasados co ua desviació estádar de $10. Además, supoga que e ese mismo periodo, el precio por acció de los valores de la compañía B promedió $12 co ua desviació estádar de $4. E térmios de las desviacioes estádar reales, el precio de las accioes de la compañía A parece ser más volátil que el de las accioes de la compañía B. Si embargo, puesto que los precios promedio por acció de los dos valores so ta diferetes, sería más apropiado para el iversioista potecial cosiderar la variabilidad e el precio relativa al precio promedio co el fi de examiar la volatilidad/estabilidad de los dos valores. Para la compañía A el coeficiete de variació es CV = ($10/$50)100% = 20.0%; Para la compañía B el coeficiete de variació es CV= ($4/$12)100% = 33.3%. Por tato, e cuato a la media, el precio del valor B es mucho más variable que el precio del valor A. Forma: Asimetría y putiagudes Ua tercera propiedad importate de ua serie de datos es "forma, la maera e que los datos se distribuye. Ya sea que la distribució sea simétrica o que o lo sea. Si la distribució de los datos o es simétrica, se deomia simétrica o sesgada. Para describir la forma sólo ecesitamos comparar la media y la mediaa. Si estas dos medicioes so iguales, por lo geeral podemos cosiderar, que los datos 10

11 so simétricos (o de sesgo cero). Por otra parte, si la media excede la mediaa, los datos puede escribirse por lo comú como de sesgo positivo o sesgados a la derecha. Si la media es excedida por la mediaa, esos datos geeralmete puede llamarse de sesgo egativo o sesgados a la izquierda. Esto es, Media > Mediaa: sesgo positivo o derecho Media = Mediaa: simetría o de sesgo cero Media < Mediaa: sesgo egativo o izquierdo El sesgo positivo surge cuado la media se icremeta e alguos valores iusualmete altos; el sesgo egativo ocurre cuado la media se reduce e alguos valores extremos reales e ua direcció particular de forma tal que los valores bajos y altos se compesa etre sí. 11