Apuntes de Mtodos Estadsticos I

I- 65

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Medidas de Dispersin
Adems de obtener la informacin que renen las medidas de tendencia central es muy
conveniente tener conocimiento sobre el grado de dispersin o variabilidad que presentan los
datos. Las medidas de dispersin indican si los valores estn relativamente cercanos uno del otro
o si se encuentran dispersos. Esta idea se ilustra en las siguientes figuras.
Recurdese que en el ejemplo de los pesos de los cerdos tenemos los siguientes datos: 172, 177,
178, 173, 177, 174, 176, 173. El diagrama de puntos para esos valores es:

172

173

174

175

176

177

178

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177.
Entonces el diagrama de puntos est dado por:

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

Obsrvese que ambos grupos de datos poseen la misma media aritmtica y la misma mediana,
Md = x = 175 Kg. Adems, tambin se puede advertir como las observaciones en el primer
grfico tienen valores relativamente ms cercanos entre s en comparacin con los pesos del
segundo grupo de cerdos.
Por consiguiente, adems de las medidas de tendencia central, siempre es importante contar con
indicadores que midan la dispersin de los datos. Una medida de tendencia central, casi nunca es
suficiente por s sola, para resumir adecuadamente las caractersticas de un conjunto de datos. Por
lo general, es necesario, adicionalmente, una medida de la dispersin de los datos.
En general, se pueden clasificar las medidas de dispersin en absolutas y relativas. Las medidas
de dispersin absolutas son aquellas que vienen expresadas en las mismas unidades que los
datos. Las medidas de dispersin relativas no vienen expresadas en las unidades de los datos
sino en porcentaje.
A pesar de que existen diferentes medidas de dispersin, slo se van a considerar las ms usadas:
Medidas de dispersin absolutas:
Rango o recorrido
Varianza
Medida de dispersin relativa:
Coeficiente de Variacin

Desviacin Estndar
Basadas en Percentiles

Apuntes de Mtodos Estadsticos I

I- 66

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Todas estas medidas, excepto el rango, toman la media como punto de referencia. En cada caso
un valor cero indica que no hay dispersin, mientras que la dispersin aumenta a medida que se
incrementa el valor del indicador (varianza, coeficiente de variacin, etc.)
1. Rango o recorrido
Esta es la medida ms sencilla de calcular y comprender. Se concentra en el valor mximo y
mnimo de la coleccin de datos y viene dada por:
R = Valor mximo - Valor mnimo
En el caso de distribuciones de frecuencias, el rango se obtiene restndole al lmite superior de la
ltima clase el lmite inferior de la primera clase:
=

En los ejemplos anteriores para los dos grupos de cerdos se tiene que el recorrido para el grupo 1
es R = 178 - 172 = 6 Kg., y para el grupo 2 es R = 185 - 165 = 20Kg.
La ventaja de utilizar el rango como medida de dispersin, es la sencillez de su clculo, aun
cuando se trate de un conjunto bastante grande de datos. Adems, el significado de esta medida
es fcil de comprender.
La principal limitacin del rango es que considera solamente los valores extremos de los datos, y
no proporciona informacin respecto a los dems valores.
En el siguiente ejemplo se presentan tres conjuntos de datos bastante diferentes, que poseen el
mismo rango.
1

Rango

Ntese como en el primer grupo de datos, los valores se distribuyen en forma uniforme, y esta
medida cumple con su objetivo. En el segundo conjunto, los datos se encuentran ms agrupados
y ac el rango mide de una "forma cruda" la dispersin. Sin embargo, la tercera coleccin
demuestra cmo se puede influir fcilmente en el rango mediante unos cuantos valores extremos

Apuntes de Mtodos Estadsticos I

I- 67

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

(o valores atpicos), y presentar informacin bastante engaosa respecto a la dispersin de una

coleccin de datos. Debido a estos problemas, el rango tiene una limitada utilidad ya que no
resulta una medida de dispersin confiable.
2. Varianza
Supngase que x1, x2, ... ,xn son las observaciones una muestra aleatoria, cuya media es x . Dado
que se est interesado en analizar la dispersin de estos valores, ser natural fijarse en sus
distancias con respecto a la media, esto es, en las diferencias:
x1 x , x 2 x , L , x n x
Puesto que algunos valores de la muestra son mayores que la media y otros son menores, algunas
de estas diferencias sern positivas y otras negativas. Es ms, las diferencias estn
equilibradas, en el sentido de que su suma es 0 (por propiedad i. de la media aritmtica, ver
Pg.50)
Sin embargo, para analizar la dispersin de los datos, no interesa el signo de las diferencias, As
se tratar una diferencia negativa exactamente igual que una diferencia positiva de la misma
cantidad. Por ejemplo, un salario que est 100.000 bolvares por debajo de la media deber ser
tratado exactamente igual que uno que est 100.000 bolvares por encima de la media. Una
forma de conseguir este objetivo consiste en fijarse, no en las diferencias, sino en sus cuadrados:
( x1 x ) 2 , ( x 2 x ) 2 , L , ( x n x ) 2

El promedio de los cuadrados de las diferencias proporciona una medida de la dispersin que se
conoce con el nombre de varianza.
Este es un indicador que mide la dispersin de los datos con respecto a su media aritmtica y se
denota por S*2 .
Dada una coleccin de datos x1, x2, ... ,xn , cuya media aritmtica es x , se define la varianza de
esos datos como el promedio de las diferencias elevadas al cuadrado de cada uno de esos valores
con respecto a su media. Es decir:

( xi x )
n

S*2 =

i =1

Nota
De la frmula anterior se deduce que:
i.
Mientras ms alejados estn los valores de su media mayor ser el valor de la varianza y
mientras ms concentrados se encuentren alrededor de su media, menor ser el valor de la
varianza.
ii.
La varianza nunca es negativa, ya que se est sumando cantidades elevadas al cuadrado.
iii.
El valor mnimo que puede tomar es cero, el cual se logra cuando todos los valores son
iguales entre s, es decir, que no existe variabilidad entre ellos.

Apuntes de Mtodos Estadsticos I

I- 68

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

iv.

Si se desarrolla la frmula anterior, se obtiene otra expresin equivalente de la varianza,

ms cmoda de calcular y adems reduce los errores de redondeo:
n

S*2 =

x
i =1

2
i

(x)

Ejemplo:
Los datos de los pesos de los cerdos son: 172, 177, 178, 173, 177, 174, 176, 173 y la media es
175 Kg. Calcular la varianza.
(172 175) + (177 175) + (178 175) + (173 175) + (177 175) + (174 175) + (176 175) + (173 175)
2

S*2 =

S*2 = 4,5 Kg 2

Por la otra frmula:

172 2 + 177 2 + 1782 + 1732 + 177 2 + 174 2 + 176 2 + 1732
1752
8
S*2 = 4, 5 Kg 2
S*2 =

Ntese que la varianza viene expresada en las unidades de los datos pero elevadas al cuadrado.
Por esta razn, la varianza resulta difcil de interpretar. Para solucionar esta situacin se define la
desviacin estndar.

3. Desviacin Estndar (Desviacin Tpica):

La desviacin estndar o desviacin tpica de una coleccin de datos, denotada por S* , se define
como:
S* = + S*2
La cual viene dada en las mismas unidades de los datos.

Ejemplo:
Tomando el ejemplo anterior se tiene que:
S* = 4,5 Kg 2
= 2,12 Kg

Para distribuciones de frecuencias

Para el caso de datos agrupados en distribuciones de frecuencias, las expresiones para la varianza
y la desviacin estndar son:

Apuntes de Mtodos Estadsticos I

I- 69

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

S =
2
*

( mi x )
i =1

fi

2
i i

i=1

(x)

y S* = S

2
*

donde, x =

fm
i

i =1

Ejemplo:
Calcular la varianza y la desviacin estndar para las distribuciones de frecuencias de las
variables peso, nmero de hermanos, estatura, ingreso mensual del hogar, nmero de visitas a la
discoteca y nmero de visitas al cine.

Propiedades de la varianza y la desviacin estndar

Sea x1, x2, ... ,xn una coleccin de datos, cuya media, varianza y desviacin estndar son x , S*2 y
S* respectivamente.
i.

S*2 y S* son no negativas, es decir S*2 0 y S* 0 para cualquier conjunto de datos.

ii.

Si cada uno de los datos x1, x2, ... ,xn es igual a un mismo valor fijo o constante c,
entonces la varianza S*2 y la desviacin estndar S* son iguales a cero.
En el diagrama de puntos que se muestra en la pgina 51 se puede observar esta situacin.

iii.

Si a cada uno de los datos originales se le suma un mismo nmero real c, positivo o
negativo, entonces la nueva coleccin de datos que se origina x1+c, x2+c, ... ,xn+c tiene la
misma S*2 y S* que los datos originales.
Obsrvese el grfico correspondiente a la propiedad iv de la media aritmtica en la pgina
51. Ntese como la dispersin se mantiene invariante al sumar o restar una constante.

iv.

Si cada uno de los datos se multiplica por un mismo nmero real cualquiera c, la varianza
y la desviacin estndar de los "nuevos datos" x1*c, x2*c, ... ,xn*c vienen dadas por c 2 S*2
y c S* respectivamente.
Esto se ilustra en los grficos que corresponden a la propiedad v de la media aritmtica en
la pgina 52. Obsrvese como se produce una alteracin en la dispersin de los nuevos
datos, ya sea disminuyendo o aumentando dependiendo del valor de c.

Ejemplo:
En un estudio realizado en un hospital se determin que se gastaba en medicinas un promedio
de Bs. 80.000 semanalmente por paciente con una desviacin estndar de Bs. 15.000.
a. Si se produce un aumento del 100% en el precio de las medicinas, cuanto ser el gasto
promedio por paciente y cuanto ser la varianza.
b. Cuanto ser el gasto promedio por paciente y cuanto ser la desviacin estndar si el
aumento es del 20%.

Apuntes de Mtodos Estadsticos I

I- 70

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Varianza muestral y varianza poblacional

Al definir la varianza S*2 se ha estado suponiendo que la coleccin de datos x1, x2, ... ,xn
constituye una muestra de tamao n de una poblacin y que x es la media de esa muestra. La
varianza poblacional, denotada por , de una poblacin de N elementos cuya media poblacional
es , se define por:
N

2 =

( xi )
i =1

x
i =1

2
i

y la desviacin estndar poblacional es:

=+ 2
Nota:
La varianza muestral tambin puede definirse como:

( xi x )
n

S2 =

i =1

n 1

Se utiliza con la finalidad de, adems de tener fines descriptivos, realizar inferencias sobre una
poblacin usando
y no S*2 por cuanto se demuestra que
es un mejor estimador de la
varianza poblacional

que S*2 como se ver en el tema de estimacin.

Coeficiente de variacin
La medida de dispersin relativa ms conocida es el coeficiente de variacin. En algunas
ocasiones es de inters comparar la dispersin de dos colecciones de datos. Si los datos estn
medidos en las mismas unidades y las respectivas medias aritmticas son iguales o muy parecidas
es posible utilizar la desviacin estndar. Si esto no se cumple, no se puede utilizar la desviacin
estndar para comparar las dispersiones de los dos grupos de datos.
Una medida de dispersin que permite la comparacin de la dispersin en cualquier situacin,
que no viene expresada en ninguna unidad es el coeficiente de variacin.
El coeficiente de variacin se define como:

100%

El coeficiente de variacin es la proporcin o porcentaje de la media que representa la desviacin

estndar. Obsrvese como la frmula anterior proviene de una regla de tres simple:
x 100%
S* ?
Si por ejemplo el CV=20%, significa que la desviacin estndar representa el 20% del valor de la
media aritmtica.

Apuntes de Mtodos Estadsticos I

I- 71

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Ejemplo:
Supngase que se desea comparar las dispersiones de los sueldos de los empleados de las
empresas "Cervecera El Cndor" y "Aguardiente Tropical". Los sueldos promedio para estas
empresas son Bs. 7000 y Bs. 2500 respectivamente; las desviaciones estndar correspondientes
son Bs. 3000 y Bs. 300.
Ejemplo:
En una encuesta sobre bienes races en la Urbanizacin Santa Cecilia de una ciudad, se obtiene
entre otras cosas, informacin sobre el valor actual de la casa y el tamao del lote de terreno. Se
est interesado en determinar si el valor de avalo tiene mayor variabilidad que el tamao del
lote. De la mencionada encuesta se consigue lo siguiente:
Valor de la casa
x = 1.550.000 Bs.
S* = 500.000 Bs.

Tamao del terreno

x = 650 mts2
S* = 350 mts2

Percentiles, Deciles y Cuartiles

Adems de las medidas de tendencia central, dispersin y forma, tambin existen algunas
medidas interesantes de posicin que se utilizan al resumir y analizar las caractersticas o
propiedades de grandes colecciones de datos.
1. Percentiles
Los percentiles son aquellos valores que dividen a los datos ordenados de forma creciente, en
cien partes iguales. Existen noventa y nueve percentiles que se denotan por P1, P2, ... , P99. Entre
dos percentiles consecutivos se encuentra el 1% de los datos. As, por ejemplo, entre los
percentiles P10 y P20 se encuentran 10% de los datos.
Para denotar un percentil cualquiera usamos Ph, donde h = 1, 2, 3, ... , 99. As, la definicin
formal de percentil es la siguiente:
El percentil Ph de una coleccin de datos que previamente han sido ordenados (de forma
creciente), es un valor tal que como mximo el h% de los datos son menores que l, y tambin
como mximo un (100-h)% de los datos son mayores que l.
Como en el caso de la mediana, si dos valores consecutivos del conjunto de datos cumplen con la
definicin anterior, se conviene en tomar como percentil al promedio de ellos dos.

Ejemplo:
Suponga que los pesos de ocho personas (en Kg) son: 52, 97, 108, 63, 90, 74, 86, 73. Hallar lo
percentiles: P20, P50 y P80.
En primer lugar se deben ordenar de forma creciente los datos:
52 63 73 74 86 90 97 108

Apuntes de Mtodos Estadsticos I

I- 72

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

El P20 es el valor tal que el 20% de los datos, es decir el 20% de 8 = 1,6 datos como mximo son
menores que l, y tambin como mximo el 80% de 8 = 6,4 datos son mayores que l.
Observe que el valor 63 cumple con estas condiciones. Por tanto, P20 = 63 Kg.
Ahora, en el clculo de P50 se observa que existen dos valores 74 y 86, que cumplen con la
definicin. De esta manera, P50 = (74 + 86) / 2 = 80 Kg.
Para estos datos, P80 tiene como mximo 6,4 datos por debajo de l y a lo sumo 1,6 datos por
encima. El valor 97 satisface esto, as P80 = 97 Kg. Ntese que ni el valor 90 ni 108 cumple
con las condiciones. Por ejemplo, el valor 90 tiene cinco datos por debajo que cumple con lo que
se exige pero por encima tiene a dos datos (el 25% de los datos), lo que no satisface los
requerimientos para ser percentil 80.
2. Deciles
Los Deciles son los valores que dividen a los datos ordenados (de forma creciente) en diez partes
iguales. Existen nueve deciles que se denotarn por D1, D2, ... , D9. Entre dos deciles
consecutivos se encuentra un 10% de los datos.
3. Cuartiles
Los cuartiles son los valores que dividen a una coleccin de datos que previamente han sido
ordenados en forma creciente, en cuatro partes iguales. De esta manera, existen tres cuartiles que
se denotan Q1, Q2 y Q3. Ntese que entre dos cuartiles consecutivos se encuentra un 25% de los
datos. Adems, por debajo de Q1, se encuentra un 25% de los datos y por encima un 75%;
mientras por debajo del cuartil tres, se encuentra un 75% de los datos y por encima de l existe un
25% de los datos.
25%

25%

Q1

25%

Q2

25%

Q3

Ntese que el segundo cuartil, Q2, es igual a la mediana. Adems, puede dejarse ver las
siguientes relaciones entre los cuartiles deciles y percentiles:

Q1 = P25
Q2 = D5 = P50 = Md
Q3 = P75
D1 = P10
D2 = P20
M
D9 = P90

Apuntes de Mtodos Estadsticos I

Prof. Gudberto J. Len R.

I- 73

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Nota:
A los cuartiles, deciles y percentiles en general se les denominan cuantiles
Ejemplo:
Para los datos no agrupados de estatura, calcular e interpretar: los cuartiles, el decil tres y el
percentil diez.

Clculo de Percentiles en distribuciones de frecuencias

1. En el caso de distribuciones de frecuencias cuyas clases son intervalos, los percentiles, de la
misma manera como se hizo con la mediana, se pueden calcular mediante un mtodo de
interpolacin tanto de forma algebraica como grfica.
Algebraicamente, para el clculo del percentil h-simo, Ph, se sigue el siguiente
procedimiento:
a) Se ubica la clase del percentil h, que es aquella que contiene la frecuencia acumulada
h
n *
.
100

b) Una vez ubicada la clase del percentil h, mediante un proceso de interpolacin se puede
obtener la siguiente frmula para el clculo de los percentiles:
h

n * 100 Fap

*Cp
Ph = LI p +
f

en donde,
LIp: Lmite inferior de la clase del percentil h.
n: No. total de observaciones o datos
Fap: Frecuencia acumulada anterior a la clase del percentil h.
fp: Frecuencia absoluta de la clase del percentil h.
Cp: Amplitud de la clase del percentil h.
Como se vio antes con la mediana, se pueden obtener grficamente los percentiles utilizando
la ojiva:

Apuntes de Mtodos Estadsticos I

I- 74

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Ojiva

Ojiva

Fi

100

h%

h
n*

100

LI1

LS1

LS2 LS3

LS4

LS5

LS6

LS7

LS8

LI1

Ph

LS1

LS2 LS3

LS4

LS5

LS6

LS7

LS8

Ph

Ntese que por el mismo mtodo de interpolacin grfico de la ojiva para distribuciones de
frecuencias con intervalos; si se conoce algn valor de los datos, digamos Ph, entonces puede
ser encontrada la proporcin (o porcentaje) de datos, h, que son menores (o puede ser,
mayores o iguales) que el valor Ph. Simplemente, despejando h de la frmula para calcular
percentiles en distribuciones de frecuencias. As de ese despeje queda que:

100
f
h = ( Ph LI p ) p + Fap
Cp

n
Ejercicio:
i. Obtenga la frmula anterior:
a. Despejndola de la frmula para el clculo de los percentiles.
b. Deducindola mediante el mtodo grfico de interpolacin, con la ojiva.
ii. Del ejercicio para la ojiva de la pgina 44, obtenga las respuestas de los tems 1 a 4,
usando la ltima frmula.
2. Si las clases de la distribucin de frecuencias son valores individuales de la variable en
estudio, se procede similarmente a como se hizo con la mediana. En este caso, no hace falta
hacer alguna interpolacin. Se puede encontrar cualquier percentil mediante la definicin.
Ejercicio:
Calcular los cuartiles Q1 y Q3, el decl D9 y el percentil P90 en las distribuciones de frecuencias de
las variables peso y estatura usando el mtodo algebraico y el mtodo grfico.
Ejercicio:
Calcular los percentiles P15 y P80 para las distribuciones de frecuencias correspondientes a las
variables nmero de hermanos y nmero de visitas al cine usando el mtodo algebraico y el
mtodo grfico.
Los percentiles tambin son utilizados como indicadores de la dispersin de los datos. Con ellos
se construyen algunas medidas de dispersin. Veamos algunas de ellas:

Apuntes de Mtodos Estadsticos I

I- 75

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Recorrido Intercuartil
El recorrido intercuartil, viene dado por:
RQ = Q3 - Q1
Esta medida refleja la dispersin de la parte central de la distribucin ya que toma en cuenta al
50% de los datos del centro de la distribucin:
25%

25%

25%

Q2

Q1

25%

Q3

50%

Desviacin Cuartil Recorrido Semi-Intercuartil

La desviacin cuartil se obtiene mediante la siguiente expresin:
Q=

Q3 Q1
2

Si se calcula:
Md Q
se obtiene un intervalo que contiene aproximadamente el 50% de los datos.
Fcilmente puede notarse que las dos medidas anteriores no toman en cuenta a todos los datos, lo
cual puede representar una seria desventaja ya que es posible que por debajo de Q1 o por encima
de Q3, los datos se encuentren muy concentrados o muy dispersos y el efecto sobre RQ y Q ser
el mismo. Aunque por otro lado, y por la misma razn, el recorrido intercuartil y la desviacin
cuartil no son afectados por valores atpicos.

Recorrido Percentil
Es una medida basada en la misma idea que el RQ, la cual viene dada por:
RP= P90 - P10
.

Este indicador refleja el 80% de los datos ubicados en la parte central de la distribucin

Apuntes de Mtodos Estadsticos I

I- 76

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Ejercicio:
Para las distribuciones de frecuencia correspondientes a las variables peso e ingreso hallar:
a) RQ
b) RP
c) El intervalo que contiene aproximadamente el 50% de los datos de la parte central de la
distribucin.

Medidas de Forma
En una seccin anterior se examin la forma en que se distribuyen los datos analizando el
respectivo grfico. Se observ la simetra (o asimetra) que presentan los datos y tambin se
poda percibir el grado de apuntamiento (o achatamiento) del grfico que representa la
distribucin de los datos.
Existen indicadores que cuantifican la asimetra y el apuntamiento de una distribucin, los cuales
son de utilidad cuando no se dispone del grfico o para confirmar las conclusiones obtenidas
grficamente.
Tanto las medidas de asimetra como las de apuntamiento son indicadores relativos ya que no
vienen expresados en alguna unidad de medida.

1. Medidas de Asimetra
Los resultados que se discutirn se refieren a distribuciones unimodales:

a. Coeficiente de Asimetra de Pearson

Este indicador se basa en la relacin existente entre la media y la mediana:
ASP =

3( x Md )
S*

Obsrvese que si la distribucin es:

Simtrica => ASP = 0, ya que en este caso x = Md
Asimtrica por la derecha => ASP > 0, debido a que x > Md
Asimtrica por la izquierda => ASP < 0, porque x < Md
El coeficiente de asimetra de Pearson toma valores en el intervalo (-3, 3)

Apuntes de Mtodos Estadsticos I

I- 77

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

b. Coeficiente de Asimetra de Fisher

Se denota por 1 y viene dado por la siguiente frmula:

Datos no agrupados:
n
3
( xi x )
i=1

1 =
3
S*

Datos agrupados:

1 =

( mi x )3 fi
i =1

S*3

El coeficiente 1 est basado en la media aritmtica e indica de que lado las diferencias
respecto de stas son mayores.
Su interpretacin es similar a la del coeficiente de Asimetra de Pearson

Leptocrtica
X

Mesocrtica

Platicrtica

Apuntes de Mtodos Estadsticos I

I- 78

Prof. Gudberto J. Len R.

Universidad de los Andes Escuela de Estadstica. Mrida -Venezuela

Ejercicio:
Calcule e interprete los coeficientes de asimetra ASP y 1 para las distribuciones de frecuencias
correspondientes a las variables peso, estatura, ingreso y nmero de hermanos.

2. Medidas de Apuntamiento o Curtosis

Estas medidas indican el grado de apuntamiento o achatamiento del grfico. La medicin del
apuntamiento de un grfico se hace tomando como referencia la curva normal (curva de campana
o curva de Gauss). Por tanto, el grfico al que se le desee medir el apuntamiento, debe ser al
menos aproximadamente simtrico. A la curva normal se le llama mesocrtica, si es ms
puntiaguda se le llama leptocrtica y si es ms achatada platicrtica.
Ntese que los indicadores de curtosis, miden el nivel de concentracin de datos en la regin
central.

Coeficiente de Pearson
El coeficiente 2 de Pearson es el ms utilizado de las medidas de apuntamiento y viene dado por:

Datos no agrupados:
n
4
( xi x )
i =1

2 =
4
S*

Datos agrupados:

2 =

( mi x )4 fi
i =1

S*4

Si la curva es normal (mesocrtica) , 2 = 3

Si la curva es leptocrtica , 2 > 3
Si la curva es platicrtica , 2 < 3

Ejercicio:
Calcule e interprete el coeficiente
de Pearson para las distribuciones de frecuencia
correspondientes a las variables peso, estatura y nmero de hermanos.