Estadstica: es una metodologa cientfica que trata de la recoleccin, agrupacin y presentacin de los datos para analizarlos e interpretarlos y hacer

interpretaciones e inferencias. Tipos de Estadstica: Estadstica descriptiva: se define como la ciencia que estimatiza, recoge, ordena y presenta los datos referentes a un asunto, fenmeno o problema de investigacin. Estadstica Inferencial: su objetivo parte de la deduccin de leyes que segn los diferentes fenmenos estudiados, para de esa forma hacer previsiones sobre lo mismo, tomar decisiones u obtener conclusiones. Poblacin: en estadstica, tambin llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan unas de las observaciones. Muestra: es una porcin representativa de una determinada poblacin. Muestreo: es la tcnica para la seleccin de una muestra a partir de una poblacin. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin. Tipos de muestreo Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este ltimo todos los elementos de la poblacin tienen la oportunidad de ser escogidos en la muestra. Una muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante. Las muestras de juicio evitan el anlisis estadstico necesario para hacer muestras de probabilidad. Muestreo de conveniencia o por seleccin intencionada: aqu la muestra similar al universo objetivo es seleccionada a partir de mtodos no aleatorios. La representatividad de dicha muestra es determinada por el investigador de manera subjetiva. Por funcionar de esta manera, las muestras suelen tener sesgos, por lo que lo ideal es recurrir a esta tcnica cuando no quede ninguna otra alternativa. Muestreo aleatorio: en este todos los elementos que lo componen tienen exactamente la misma posibilidad de ser elegidos. Estos elementos son seleccionados de forma azarosa por medio de nmeros aleatorios. Existen distintas formas de realizar el muestreo aleatorio, entre ellas:

Muestreo aleatorio simple: este mtodo es muy simple y se caracteriza por la extraccin de los individuos de una lista de forma azarosa. Cuando el universo es muy numeroso y complejo, no suele resultar eficaz. Muestreo sistemtico: en este caso, el primer individuo se extrae al azar y a partir de este se elige, a intervalos constantes, el resto. Este mtodo resulta ms sencillo que el muestreo aleatorio simple y adems no precisa de un listado elaborado para seleccionar a los individuos. Si bien el muestreo sistemtico es aplicable a la mayora de los casos, se debe tener en cuenta que la caracterstica que se est estudiando no posea una periodicidad igual a la del muestreo. Muestreo aleatorio estratificado: para realizar este muestreo se debe dividir a la poblacin en grupos de acuerdo a un carcter especfico y luego, cada uno de estos grupos es muestreado aleatoriamente, obteniendo as una parte que sea proporcional a la muestra. Estos muestreos son tiles cuando la caracterstica que determina la divisin de la poblacin est relacionada con la variable que quiera estudiarse. Muestreo aleatorio por conglomerados: aqu, la poblacin es dividida en grupos que posean caractersticas similares entre ellos. Luego de realizar esto, algunos grupos son analizados completamente dejando de lado al resto. Muestreo mixto: en este caso se utilizan al menos dos de los mtodos mencionados anteriormente. Esto ocurre cuando la poblacin a estudiar es sumamente compleja, por lo que la aplicacin de un solo mtodo resultara difcil o resultara ineficiente Tcnicas de Muestreo: Esto no es ms que el procedimiento empleado para obtener una o ms muestras de una poblacin; el muestreo es una tcnica que sirve para obtener una o ms muestras de poblacin. Este se realiza una vez que se ha establecido un marco muestral representativo de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos diseos de la muestra.

Al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada muestra no necesariamente seran iguales, y lo ms probable es que variaran de una muestra a otra. Variable es una caracterstica que al ser medida en diferentes individuos es susceptible de adoptar diferentes valores.

Tipos de variables Segn la medicin Variables cualitativas: Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de dichos atributos. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores. Dentro de ellas podemos distinguir:

Variable cualitativa ordinal o variable cuasicuantitativa: La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo: leve, moderado, fuerte. Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por ejemplo los colores.

Variables cuantitativas Son las variables que se expresan mediante cantidades numricas. Las variables cuantitativas adems pueden ser:

Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores especficos que la variable pueda asumir. Ejemplo: El nmero de hijos (1, 2, 3, 4, 5).

Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura (1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se est limitado por la precisin del aparato medidor, en teora permiten que exista un valor entre dos variables. Segn la influencia Segn la influencia que asignemos a unas variables sobre otras, podrn ser: Variables independientes: Son las que el investigador escoge para establecer agrupaciones en el estudio, clasificando intrnsecamente a los casos del mismo. Un tipo especial son las variables de control, que modifican al resto de las variables independientes y que de no tenerse en cuenta adecuadamente pueden alterar los resultados por medio de un sesgo. Es aquella caracterstica o propiedad que se supone ser la causa del fenmeno estudiado. En investigacin experimental se llama as a la variable que el investigador manipula. Variables dependientes: Son las variables de respuesta que se observan en el estudio y que podran estar influidas por los valores de las variables independientes. La variable

dependiente es el factor que es observado y medido para determinar el efecto de la variable independiente. Otras Variables intervinientes: Son aquellas caractersticas o propiedades que, de una manera u otra, afectan el resultado que se espera y estn vinculadas con las variables independientes y dependientes. Variables moderadoras: Segn Tuckman: representan un tipo especial de variable independiente, que es secundaria, y se selecciona con la finalidad de determinar si afecta la relacin entre la variable independiente primaria y las variables dependientes. Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de dichos atributos. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores. Frecuencia: Se llama frecuencia a la cantidad de veces que se repite un determinado valor de la variable. Se suelen representar con histogramas y con diagramas de Pareto Tipos de Frecuencia En estadstica se pueden distinguir hasta cuatro tipos de frecuencias:

Frecuencia absoluta Es el promedio de una suma predeterminada y adems consiste en saber cul es el nmero o smbolo de mayor equivalencia. (ni) de una variable estadstica Xi, es el nmero de veces que este valor aparece en el estudio. A mayor tamao de la muestra aumentar el tamao de la frecuencia absoluta; es decir, la suma total de todas las frecuencias absolutas debe dar el total de la muestra estudiada (N). Frecuencia relativa (fi), es el cociente entre la frecuencia absoluta y el tamao de la muestra (N). Es decir,

Siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en una distribucin de frecuencias. Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto por ciento (pi) que presentan esta caracterstica respecto al total de N, es decir el 100% del conjunto. Frecuencia absoluta acumulada (Ni), es el nmero de veces ni en la muestra N con un valor igual o menor al de la variable. La ltima frecuencia absoluta acumulada deber ser igual a N.

Frecuencia relativa acumulada (Fi), es el cociente entre la frecuencia absoluta acumulada y el nmero total de datos, N. Es decir,

Con la frecuencia relativa acumulada por 100 se obtiene el porcentaje acumulado (Pi)), que al igual que Fi deber de resultar al final el 100% de N. La representacin grfica de la distribucin de frecuencias acumuladas se denomina ojiva. En ella el eje de las abscisas corresponde a los lmites de clase y el de las ordenadas a los porcentajes acumulados. Ejemplo: Supongamos que las calificaciones de un alumno de secundaria fueran las siguientes: 18, 13, 12, 14, 11, 08, 12, 15, 05, 20, 18, 14, 15, 11, 10, 10, 11, 13. Entonces:

La frecuencia absoluta de 11 es 3, pues 11 aparece 3 veces. La frecuencia relativa de 11 es 0.17, porque corresponde a la divisin 3/18.

Medidas de tendencia central: Al describir grupos de observaciones, con frecuencia es conveniente resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele situarse hacia el centro de la distribucin de datos se denomina medida o parmetro de tendencia central o de centralizacin. Cuando se hace referencia nicamente a la posicin de estos parmetros dentro de la distribucin, independientemente de que sta est ms o menos centrada, se habla de estas medidas como medidas de posicin.1 En este caso se incluyen tambin los cuantiles entre estas medidas. Entre las medidas de tendencia central tenemos:

Media . Media ponderada. Media geomtrica. Media armnica. Mediana. Moda.

Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posicin o medidas de tendencia se usan de acuerdo al tipo de variable que se est observando, en este caso se observan variables cuantitativas. Media aritmtica es el valor obtenido por la suma de todos sus valores dividida entre el nmero de sumandos. La media aritmtica es, probablemente, uno de los parmetros estadsticos ms extendidos.2 Se le llama tambin promedio o, simplemente, media.

Definicin formal: Dado un conjunto numrico de datos, x1, x2, ..., xn, se define su media aritmtica como

Esta definicin vara, aunque no sustancialmente, cuando se trata de variables continuas, esto es, tambin puede calcularse para variables agrupadas en intervalos. Propiedades Las principales propiedades de la media aritmtica son:3

Su clculo es muy sencillo y en l intervienen todos los datos. Su valor es nico para una serie de datos dada. Se usa con frecuencia para comparar poblaciones, aunque es ms apropiado acompaarla de una medida de dispersin. Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto de datos, ya que tiene la propiedad de equilibrar las desviaciones de los datos respecto de su propio valor:

Minimiza las desviaciones cuadrticas de los datos respecto de cualquier valor prefijado, esto es, el valor de es mnimo cuando . Este resultado se conoce como Teorema de Knig. Esta propiedad permite interpretar uno de los parmetros de dispersin ms importantes: la varianza.

Se ve afectada por transformaciones afines (cambios de origen y escala), esto es, si Entonces , donde es la media aritmtica de los ,

para i = 1, ..., n y a y b nmeros reales.

Es poco sensible a fluctuaciones muestrales, por lo que es un parmetro muy til en inferencia estadstica.

Inconvenientes de su uso: Este parmetro, an teniendo mltiples propiedades que aconsejan su uso en situaciones muy diversas, tiene tambin algunos inconvenientes, como son:

Para datos agrupados en intervalos (variables continuas) su valor oscila en funcin de la cantidad y amplitud de los intervalos que se consideren.

La estatura media como resumen de una poblacin homognea (abajo) o heterognea (arriba).

Es una medida a cuyo significado afecta sobremanera la dispersin, de modo que cuanto menos homogneos sean los datos, menos informacin proporciona. Dicho de otro modo, poblaciones muy distintas en su composicin pueden tener la misma media.4 Por ejemplo, un equipo de baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente, tendra una estatura media de 1,95 m, valor que representa fielmente a esta poblacin homognea. Sin embargo, un equipo de jugadores de estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m, por ejemplo, tendra tambin, como puede comprobarse, una estatura media de 1,95 m, valor que no representa a casi ninguno de sus componentes. En el clculo de la media no todos los valores contribuyen de la misma manera. Los valores altos tienen ms peso que los valores cercanos a cero. Por ejemplo, en el clculo del salario medio de un empresa, el salario de un alto directivo que gane 1.000.000 de tiene tanto peso como el de diez empleados "normales" que ganen 1.000 . En otras palabras, se ve muy afectada por valores extremos. No se puede determinar si en una distribucin de frecuencias hay intervalos de clase abiertos.

Media aritmtica ponderada: A veces puede ser til otorgar pesos o valores a los datos dependiendo de su relevancia para determinado estudio. En esos casos se puede utilizar una media ponderada. Si son nuestros datos y media ponderada se define de la siguiente forma: son sus "pesos" respectivos, la

Media muestral: Esencialmente, la media muestral es el mismo parmetro que el anterior, aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que la media aritmtica se calcula para un subconjunto de la poblacin objeto de estudio. La media muestral es un parmetro de extrema importancia en la inferencia estadstica, siendo de gran utilidad para la estimacin de la media poblacional, entre otros usos. Moda es el dato ms repetido, el valor de la variable con mayor frecuencia absoluta.5 En cierto sentido la definicin matemtica corresponde con la locucin "estar de moda", esto es, ser lo que ms se lleva. Su clculo es extremadamente sencillo, pues slo necesita un recuento. En variables continuas, expresadas en intervalos, existe el denominado intervalo modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se recurre a la interpolacin. Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-4-6-9-5-6-15-3-7. El nmero que ms se repite es 5, entonces la moda es 5. Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima. Cuando en una distribucin de datos se encuentran tres o ms modas, entonces es multimodal. Por ltimo, si todas las variables tienen la misma frecuencia diremos que no hay moda. Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia absoluta. La moda, cuando los datos estn agrupados, es un punto que divide el intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que verifiquen que:

Siendo la frecuencia absoluta del intervalo modal y de los intervalos anterior y posterior, respectivamente, al

las frecuencias absolutas

Las calificaciones en la asignatura de Matemticas de 39 alumnos de una clase viene dada por la siguiente tabla (debajo): Calificaciones 1 2 3 4 5 6 7 8 9

Nmero de alumnos 2 2 4 5 8 9 3 4 2

Propiedades Sus principales propiedades son:

Clculo sencillo. Interpretacin muy clara. Al depender slo de las frecuencias, puede calcularse para variables cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una poblacin no es posible realizar otros clculos, por ejemplo, cuando se enumeran en medios periodsticos las caractersticas ms frecuentes de determinado sector social. Esto se conoce informalmente como "retrato robot".6

Inconvenientes

Su valor es independiente de la mayor parte de los datos, lo que la hace muy sensible a variaciones muestrales. Por otra parte, en variables agrupadas en intervalos, su valor depende excesivamente del nmero de intervalos y de su amplitud. Usa muy pocas observaciones, de tal modo que grandes variaciones en los datos fuera de la moda, no afectan en modo alguno a su valor. No siempre se sita hacia el centro de la distribucin. Puede haber ms de una moda en el caso en que dos o ms valores de la variable presenten la misma frecuencia (distribuciones bimodales o multimodales).

Mediana es un valor de la variable que deja por debajo de s a la mitad de los datos, una vez que stos estn ordenados de menor a mayor.7 Por ejemplo, la mediana del nmero de hijos de un conjunto de trece familias, cuyos respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:

En caso de un nmero par de datos, la mediana no correspondera a ningn valor de la variable, por lo que se conviene en tomar como mediana el valor intermedio entre los dos valores centrales. Por ejemplo, en el caso de doce datos como los siguientes:

Se toma como mediana Existen mtodos de clculo ms rpidos para datos ms numerosos Del mismo modo, para valores agrupados en intervalos, se halla el "intervalo mediano" y, dentro de ste, se obtiene un valor concreto por interpolacin.

Clculo de la mediana para datos agrupados Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla del margen derecho). As, aplicando la formula asociada a la mediana para n impar, obtenemos X(39+1)/2 = X20 y basndonos en la frmula que hace referencia a las frecuencias absolutas: Ni-1< n/2 < Ni = N19 < 19.5 < N20 Por tanto la mediana ser el valor de la variable que ocupe el vigsimo lugar. En nuestro ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5) > 19.5 con lo que Me = 5 puntos (es aconsejable no olvidar las unidades; en este caso como estamos hablando de calificaciones, sern puntos) La mitad de la clase ha obtenido un 5 o menos, y la otra mitad un 5 o ms. Ejemplo (N par) Las calificaciones en la asignatura de Matemticas de 38 alumnos de una clase vienen dadas por la siguiente tabla (debajo):

Calificaciones

1 2 3 4 5 6 7 8 9

Nmero de alumnos 2 2 4 5 6 9 4 4 2

Calculemos la Mediana: Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla margen derecho). Si volvemos a utilizar la frmula asociada a la mediana para n par, obtenemos X(38/2) = X19 y basndonos en la frmula que hace referencia a las frecuencias absolutas --> Ni-1< n/2 < Ni = N18 < 19 < N19 Con lo cual la mediana ser la media aritmtica de los valores de la variable que ocupen el decimonoveno y el vigsimo lugar. En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el vigsimo el 6, (desde el vigsimo hasta el vigsimo octavo) Con lo que Me = (5+6)/2 = 5,5 puntos. Propiedades e inconvenientes Las principales propiedades de la mediana son:8

Es menos sensible que la media a oscilaciones de los valores de la variable. Un error de transcripcin en la serie del ejemplo anterior en, pongamos por caso, el ltimo nmero, deja a la mediana inalterada. Como se ha comentado, puede calcularse para datos agrupados en intervalos, incluso cuando alguno de ellos no est acotado. No se ve afectada por la dispersin. De hecho, es ms representativa que la media aritmtica cuando la poblacin es bastante heterognea. Suele darse esta circunstancia cuando se resume la informacin sobre los salarios de un pas o una empresa. Hay unos pocos salarios muy altos que elevan la media aritmtica haciendo que pierda representatividad respecto al grueso de la poblacin. Sin embargo, alguien con el salario "mediano" sabra que hay tanta gente que gana ms dinero que l, como que gana menos.

Sus principales inconvenientes son que en el caso de datos agrupados en intervalos, su valor vara en funcin de la amplitud de estos. Por otra parte, no se presta a clculos algebraicos tan bien como la media aritmtica. Medidas de dispersin, tambin llamadas medidas de variabilidad, muestran la variabilidad de una distribucin, indicando por medio de un nmero, si las diferentes puntuaciones de una variable estn muy alejadas de la mediana media. Cuanto mayor sea ese valor, mayor ser la variabilidad, cuanto menor sea, ms homognea ser a la mediana media. As se sabe si todos los casos son parecidos o varan mucho entre ellos. Desviacin tpica La varianza a veces no se interpreta claramente, ya que se mide en unidades cuadrticas. Para evitar ese problema se define otra medida de dispersin, que es la desviacin tpica, o desviacin estndar, que se halla como la raz cuadrada positiva de la varianza. La desviacin tpica informa sobre la dispersin de los datos respecto al valor de la media; cuanto mayor sea su valor, ms dispersos estarn los datos. Esta medida viene representada en la mayora de los casos por S, dado que es su inicial de su nominacin en ingls. Desviacin tpica muestral

Desviacin tpica poblacional

-->x = [17 14 2 5 8 7 6 8 5 4 3 15 9] x = 17. 14. 2. 5. 8. 7. 6. 8. 5. 4. 3. 15. 9.

-->stdev(x) ans = 4.716311 --> Primero hemos declarado un vector con nombre X, donde introduzco los nmeros de la serie. Luego con el comando stdev se hallar la desviacin tpica La varianza es una medida estadstica que mide la dispersin de los valores respecto a un valor central (media), es decir, es el cuadrado de las

desviaciones: Propiedades

La varianza es siempre positiva o 0: Si a los datos de la distribucin les sumamos una cantidad constante la varianza no se modifica.

c Si a los dato de la distribucin los multiplicamos una constante, la varianza queda multiplicada por el cuadrado de esa constante.

Propiedad distributiva:

cov

La Covarianza entre dos variables es un estadstico resumen indicador de si las puntuaciones estn relacionadas entre s. La formulacin clsica, se simboliza por la letra griega sigma () cuando ha sido calculada en la poblacin. Si se obtiene sobre una muestra, se designa por la letra " ". La formula suele aparecer expresada como:

Este tipo de estadstico puede utilizarse para medir el grado de relacin de dos variables si ambas utilizan una escala de medida a nivel de intervalo/razn (variables cuantitativas). La expresin se resuelve promediando el producto de las puntuaciones diferenciales por su tamao muestral (n pares de puntuaciones, n-1 en su forma insesgada). Este estadstico, refleja la relacin lineal que existe entre dos variables. El resultado numrico flucta entre los rangos de +infinito a -infinito. Al no tener unos lmites establecidos no puede determinarse el grado de relacin lineal que existe entre las dos variables, solo es posible ver la tendencia.

Coeficiente de variacin 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 penetrarfeto de la desviacin tpica este coeficiente es variable ante tero 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 cebolla. Suele representarse por medio de las siglas C.V. Exigimos que: Se calcula:

Donde

es la desviacin tpica. Se puede dar en tanto por ciento calculando:

Propiedades y aplicaciones

El coeficiente de variacin es tpicamente menor que uno. Sin embargo, en ciertas distribuciones de probabilidad puede ser 1 o mayor que 1. Para su mejor interpretacin se expresa como porcentaje.

Depende de la desviacin tpica, tambin llamada "desviacin estndar", y en mayor medida de la media aritmtica, dado que cuando sta es 0 o muy prxima a este valor el C.V. pierde significado, ya que puede dar valores muy grandes, que no necesariamente implican dispersin de datos. El coeficiente de variacin es comn en varios campos de la probabilidad aplicada, como teora de renovacin y teora de colas. En estos campos la distribucin exponencial es a menudo ms importante que la distribucin normal. La desviacin tpica de una distribucin exponencial es igual a su media, por lo que su coeficiente de variacin es 1. La distribuciones con un C.V. menor que uno, como la distribucin de Erlang se consideran de "baja varianza", mientras que aquellas con un C.V. mayor que uno, como la distribucin hiperexponencial se consideran de "alta varianza". Algunas frmulas en estos campos se expresan usando el cuadrado del coeficiente de variacin, abreviado como S.C.V. (por su siglas en ingls)