Las medidas de dispersión nos dicen qué tan extendidos o dispersos están los datos. En otras palabras, miden la variabilidad de los datos alrededor de un valor central. Cuando los datos están agrupados en intervalos, el cálculo es un poco diferente.
¿Qué significa "agrupados en intervalos"? Imagina que tienes las edades de muchas personas. En lugar de listar cada edad individualmente, las agrupas así: "10-20 años", "21-30 años", "31-40 años", etc. Estos son los intervalos. Cada intervalo tiene un rango de valores.
Rango
El rango es la medida de dispersión más sencilla. Es simplemente la diferencia entre el valor más alto y el valor más bajo de todos los datos.
Must Read
En datos agrupados en intervalos, primero identificamos el límite superior del último intervalo y el límite inferior del primer intervalo. La resta de estos dos valores nos da una aproximación del rango. Por ejemplo, si el primer intervalo es "10-20" y el último es "61-70", el rango aproximado sería 70 - 10 = 60.
Limitación: El rango solo considera los extremos, no la distribución dentro de los intervalos.
Varianza
La varianza es una medida más precisa. Mide la dispersión de los datos alrededor de la media. Una varianza alta indica que los datos están muy dispersos, mientras que una varianza baja indica que están agrupados cerca de la media.
Para calcular la varianza en datos agrupados, seguimos estos pasos:
- Encontramos el punto medio de cada intervalo. Por ejemplo, el punto medio del intervalo "10-20" es (10+20)/2 = 15.
- Calculamos la media ponderada. Multiplicamos cada punto medio por su frecuencia (cuántas veces aparece ese intervalo) y sumamos todos los resultados. Luego, dividimos esta suma por el número total de datos.
- Calculamos la diferencia entre cada punto medio y la media ponderada.
- Elevamos al cuadrado cada una de estas diferencias.
- Multiplicamos cada cuadrado por su frecuencia.
- Sumamos todos estos productos.
- Dividimos esta suma por el número total de datos (o el número total de datos menos 1 si estamos calculando la varianza muestral).
La fórmula puede parecer complicada, pero la idea principal es medir cuánto se desvía cada intervalo de la media, teniendo en cuenta la frecuencia de cada intervalo.
Desviación Estándar
La desviación estándar es la raíz cuadrada de la varianza. Es una medida de dispersión muy útil porque está en las mismas unidades que los datos originales. Es decir, si estamos midiendo edades en años, la desviación estándar también estará en años.
Una desviación estándar alta significa que los datos están más dispersos alrededor de la media, mientras que una desviación estándar baja significa que están más agrupados.
En resumen: La varianza y la desviación estándar son las medidas de dispersión más comunes y útiles para datos agrupados en intervalos. Nos dan una buena idea de la variabilidad de los datos.
Entender estas medidas nos permite analizar y comparar diferentes conjuntos de datos, incluso cuando la información está resumida en intervalos.
