Unidad I

1.1 Breve historia de la Estadstica

Mtodos de adquisicin del conocimiento
La bsqueda de la verdad ha sido una de las preocupaciones de siempre del
ser humano. Ahora bien, Qu es la verdad? o Cmo llegar a la verdad?. En
esta ocasin no nos centraremos en discutir sobre que es la verdad, nos
enfocaremos en cmo llegar a la verdad, o mejor dicho como llegar al
conocimiento vlido.
Histricamente, la humanidad ha empleado cuatro mtodos para adquirir el
conocimiento:
La autoridad. El conocimiento se considera vlido por el slo hecho de que una
tradicin o alguna persona reconocida afirma que lo es.
El racionalismo. Al conocimiento se llega exclusivamente por la va del
razonamiento, es decir, si las premisas de que se pa rte son vlidas, y el
razonamiento que se sigue de acuerdo a la lgica es el correcto, entonces las
conclusiones son vlidas tambin.
La intuicin. El conocimiento proviene de una inspiracin, esa idea que aclara y
salta a la conciencia como un todo. No se llega al conocimiento por medio de la
razn, sino que por el contrario, con frecuencia la idea surge despus de que
fall el razonamiento consciente.
El mtodo cientfico. El conocimiento vlido es aquel que se cumple con las
exigencias del mtodo. Aqu, ya sea mediante un razonamiento o por su
intuicin, el investigador crea una hiptesis acerca de determinado aspecto de
la realidad, misma que somete a prueba. Para ello, recoge ciertos datos que
luego analiza estadsticamente y con ello confirma o rechaza su hiptesis.
En este caso, no importa lo que el cientfico crea que es vlido, l debe
someter a prueba su hiptesis. Con el anlisis estadstico de los datos, ser
posible extraer una conclusin acorde a la realidad. As, el mtodo cientfico
permite garantizar que las afirmaciones que hagamos se ajusten a lo que se
demostr, antes de que las afirmaciones reciban la categora de conocimiento
cientfico.
As pues, el mtodo cientfico se apoya en la estadstica para evaluar las
hiptesis que hacemos, ahora es conveniente de que definamos Estadstica.
1.2 Qu es la estadstica
Es comn que en los medios de comunicacin o en nuestro entorno
escuchemos frases que de alguna manera involucran el trmino estadstica:
El cerebro de las mujeres pueden atender m s tareas a la vez que el cerebro
de los hombres Las estadsticas del partido son
El desempleo aumenta en Delicias segn las estadsticas del gobierno
Datos estadsticos muestran el incremento de la violencia en el estado de
Chihuahua
En estos casos, el trmino estadstica tiene un uso relacionado con el manejo
de nmeros, que si bien es cierto se relaciona con el contenido de nuestro
curso, no es eso todo, ya que la estadstica es ms que slo nmeros, son los
datos y lo que se hace con stos ltimos.

Una definicin concreta la propone Johnson (2004):
Estadstica es la ciencia de recolectar, describir e interpretar datos
As pues, la estadstica nos ayudar en el conocimiento de la realidad en tres
etapas fundamentales:
1. Planear la bsqueda y la obtencin de la informacin.
2. Sistematizar y organizar la informacin para describirla y analizarla con
facilidad.
3. Efectuar inferencias sobre la realidad a partir de la informacin obtenida,
haciendo estimaciones o verificando conjeturas.
1.3 Estadstica descriptiva y 1.4 Estadstica Inferencial
Para su estudio, la Estadstica se divide en dos:
Estadstica descriptiva. Se refiere a las tcnicas que se utilizan para la
organizacin, presentacin y descripcin de los datos. Tambin se conoce
como estadstica deductiva.
Estadstica inferencial. Se refiere a las tcnicas que se emplean con los
datos obtenidos en la muestra, para a partir de ellos, hacer inferencias sobre
sus respectivas poblaciones. Tambin se le conoce como estadstica inductiva
Como se observa, comienzan a aparecer nuevos conceptos que tenemos que
comprender.
Poblacin. Conjunto de personas, objetos o de entidades, misma que se
simboliza con N. Algunos le llaman tambin universo y lo refieren como la
totalidad de todas las posibles observaciones. Dicha poblacin puede ser
finita o infinita.
Poblacin finita. Cuando la poblacin tiene fin. Por ejemplo, el nmero de
alumnos del Centro Regional Delicias de la Universidad Pedaggica Nacional.
Poblacin infinita. Cuando se desconoce o no tiene fin la poblacin. Por
ejemplo, todos los posibles resultados (guila o sello) de sucesivas tiradas de
una moneda.
Muestra. Es un conjunto de medidas u observaciones tomadas a partir de
una poblacin dada, por lo que es un subconjunto de la po blacin que se
simboliza con N.
Variable. Caracterstica de inters sobre cada elemento individual de una
poblacin o muestra.
Dato. Valor de la variable asociada a un elemento de la poblacin o muestra.
Este valor puede ser un nmero, una palabra o un smbolo.
Datos. Conjunto de valores recolectados para la variable de cada uno de los
elementos que pertenecen a la muestra.
1.5 Breve introduccin a la Inferencia Estadstica.
Recapitulando, los conceptos de poblacin y de muestra nos permiten
considerar las tres etapas de la estadstica que hemos mencionado.
La primera etapa refiere a la planeacin de la bsqueda y la obtencin de la
informacin; en particular, esta parte incluye mtodos que permiten disear un
esquema para la seleccin de una muestra representativa de la poblacin.

La segunda parte de la estadstica es la que se encarga de sistematizar y
organizar la informacin contenida en una muestra o en una poblacin, es decir
los valores de la variable. Esta parte incluye mtodos que permiten describir y
analizar la informacin.
La tercera parte comprende mtodos estadsticos que permiten inferir, a
partir de la informacin de una muestra, cules pueden ser los rasgos
principales de los valores de la poblacin.
Pero ojo, cuando hacemos inferencias sobre la poblacin a partir de una
muestra, estamos obteniendo ciertas conclusiones sobre la realidad. Por ello, el
proceso de seleccin de los individuos, objetos o entidades que se estudiarn
debe estar bien diseado, para que la muestra sea repre sentativa de la
poblacin. Pero por muy representativa de la poblacin que sea la muestra, no
deja de ser una subcoleccin de la poblacin, una de las muchas muestras
posibles igualmente representativas. Es probable que si se hubiera obtenido
otra muestra, los valores de sta habran sido distintos. Si ambas muestras son
representativas de la poblacin, los valores de cada una nos dan una idea
acerca de los valores de la poblacin, pero no nos informan totalmente acerca
de ellos.
Con una muestra representat iva, los mtodos de la estadstica inferencial
permiten hacer ciertas afirmaciones acerca de la poblacin con la mxima
confianza posible, es decir con el mnimo riesgo posible de cometer error, pero
an as hay probabilidad de error. La probabilidad ocupa un lugar importante en
este proceso, ya que aporta un lenguaje que permite expresar en forma
cuantificable tanto la confianza que podemos tener en una inferencia
estadstica como el riesgo de cometer un error en esta inferencia.
La estadstica inferencial hace posible no slo hacer estimaciones sino tambin
probar hiptesis. Esto significa poner a prueba conjeturas que se hacen acerca
del fenmeno bajo estudio, es decir contrastar los hechos que se deducen de
ellas con los hechos observados. Los mtodos estadsticos de prueba de
hiptesis permiten decidir si la informacin contenida en una muestra
contradice o corrobora una hiptesis planteada sobre la poblacin.
Errores en el uso de la Estadstica
Cmo se miente con estadstica?
La estadstica puede ser una herramienta poderosa que nos ayuda a conocer
la realidad. Sin embargo puede tambin servir para mentir... si no se tiene
cuidado de usar correctamente los mtodos estadsticos y de interpretar
correctamente sus resultados.
Es famosa la siguiente frase del ministro ingls Disrael: hay tres clases de
mentiras: las mentiras, las grandes mentiras y la estadstica.
Curiosamente, la cita aparece con frecuencia en los libros de estadstica,
aunque parece hacerle poca propaganda a la disciplina. Lo que ocurre es que
la estadstica como toda herramienta, no puede cometer errores por s misma:
los errores y las mentiras son responsabilidad de quien la usa incorrectamente.

Suele suceder que en la presentacin de resultados de investigaciones poco
serias se utili ce la estadstica para dar la impresin de que todo ha sido
realizado en forma muy cientfica. Con frecuencia ocurre tambin que quienes
leen u oyen tales presentaciones presuponen, implcita
o explcitamente que el estudio es en efecto muy cientfico; no le prestan
atencin al reporte de nmeros y grficos pero creen a ojos cerrados las
interpretaciones que se hacen de ellas.
Se le presentan una serie de siete preguntas que le pueden servir de gua para
un anlisis crtico de los reportes serios y de l os no tan serios.
1. Qu se est midiendo, y cmo?
Como hemos visto, el uso de la estadstica requiere que las caractersticas de
inters puedan ser medidas. Hay que tomar con alguna reserva los reportes de
investigaciones que involucren caractersticas cuya medicin es tan compleja
como la de la herencia gentica o del medio ambiente cultural si se reporta con
detalle el procedimiento utilizado en la medicin.
Es pertinente preguntarse de qu manera surgieron los datos obtenidos.
Supongamos por ejemplo que un entusiasta estudiante de odontologa decide
investigar con qu frecuencia se lavan los dientes los adultos de una
comunidad, y que para ello les hace la siguiente pregunta:
usted se lava los dientes tres veces al da, verdad?.
2. Cmo es la muestra?
Los reportes de estudios que se hicieron sobre una muestra no siempre
especifican cmo se observ sta. Entonces cabe preguntarse si la muestra es
representativa de la poblacin sobre la que se pretende hacer inferencias.
Supongamos, por ejemplo, que en una ciudad se desea investigar qu tipo de
pelculas les gustan a los adultos de clase media, y que para ello se hace una
encuesta de casa en casa, algunos barrios de clase media a medioda entre
semana. Es obvio que los adultos que se entrevistan sern sobre todo amas de
casa, y que una muestra as slo es representativa, si acaso, de la poblacin
de adultos de clase media de esta ciudad que se encuentran en su casa a
medioda entre semana.
La muestra puede tambin ser demasiado pequea. Cuando las univ ersidades
norteamericanas empezaron a admitir mujeres estudiantes, alguien report,
alarmado, que 33.3% de las estudiantes de una universidad se haban casado
con profesores de la institucin. La cifra es impresionante, pero deja de serlo
cuando se sabe que en esa universidad haba tres mujeres estudiantes y que
una de ellas se haba casado con un profesor.
3. Qu se est probando, y cmo?
Nunca est de ms tener cuidado con frases que empiezan as: se ha
demostrado que . Si el reporte incluye la prueba de alguna hiptesis, hay
que buscar el planteamiento explcito de sta. Adems, como veremos en el
transcurso de la asignatura, el uso de cada mtodo, y en especial de los
inferenciales, requiere que los datos satisfagan ciertas condiciones.
Conviene, pues, preguntarse si el mtodo estadstico utilizado es el ms
apropiado para el tipo de datos obtenidos.
4. Qu informacin falta?
Muchas de las trampas en las que incurren los reportes de investigaciones
consisten en que no se incluye informacin que puede ser relevante, ya sean
por falta de espacio o porque a los autores les interese ocultar dicha
informacin. Un caso tpico es cuando no se reporta el tamao de la muestra.
El reporte puede no incluir los datos obtenidos en la investigacin. Esto no es
demasiado grave si se incluyen los resultados brindados por la estads tica
descriptiva, pero lo es si se incluyen slo los datos favorables a la conclusin
que se quiere obtener y se excluyen los que la contradicen.
Puede tambin omitirse informacin que, explica los resultados de modo
distinto al que se quiere presentar. Por ejemplo, un comerciante de cuadernos
escolares puede vanagloriarse de haber logrado que sus ganancias crecieran
en slo el transcurso de un mes mientras no informe que el crecimiento
ocurri en septiembre y que adems aument el precio de los cuadernos por el
inicio del ao escolar.
5. Se est hablando siempre de lo mismo?
Es frecuente que se utilicen datos reales para obtener conclusiones
disparatadas. Supongamos por ejemplo que se sabe que en cierta gran ciudad
el nmero de personas atropelladas por vehculos motorizados a medioda es
el cudruple del de los atropellados a medianoche. Alguien puede inferir que
entonces es mucho ms seguro caminar por las calles de esa ciudad a
medianoche que a medioda claro, sin tomar en cuenta que el nmero de
personas que circulan por las calles en muchsimo mayor a medioda que a
medianoche.
En algunos estudios las trampas de este tipo pueden estar en el proceso de
medicin. Por ejemplo hace algunas dcadas el nmero de indgenas que
haba en la sierra tarahumara era de 28 mil slo cinco aos ms tarde era de
105 mil.
Pero el aumento se explica, ms que por un crecimiento real de la poblacin
por el inters de en ser contada, ya que el primer cen so se realiz para estudiar
el pago de impuestos y el segundo para repartir vveres despus de una
sequa.
6. Tiene sentido?
Esta pregunta es una invitacin a que se considere si los resultados reportados
en un escrito son congruentes con el sentido comn.
Supongamos que un estudio reporta que la cosecha de maz va relacin directa
con la precipitacin pluvial: mientras ms llueve, ms maz se cosecha. Esta
coherente slo dentro de cierto rango: demasiada lluvia arruina la cosecha.
Es muy frecuente que se utilicen nmeros impresionantemente precisos cuyo
significado es escaso, como un gasto familiar diario promedio de $201.58, o
una efectividad 54.813% mayor mtodo de enseanza (especialmente si no se
dice mayor que qu). Eso s, nmeros as hacen que los reportes se vean muy
verosmiles, o, como usualmente se dice, muy cientficos.
7. Quin lo dice?
Muchas de las estadsticas que omos o leemos tienen fines publicitarios. Se
ha demostrado estadsticamente que el fertilizando HHH es ms efectivo para
el cultivo de la papa. Si esta afirmacin es firmada por los fabricantes del
fertilizante HHH, hay serias razones para hacer un escrutinio minucioso de los
datos, los mtodos utilizados y los resultados obtenidos con el fin de determinar
si la conclusin es vlida o no.
Las falacias pueden ser ms sutiles. Supongamos que a los fabricantes del
fertilizante HHH les interesa parecer realmente muy cientficos. Entonces
pueden crear el Laboratorio de Investigaciones Cientficas Agropecuarias
Experimentales (o mejor an, el LICAESA).
Tal vez, las preguntas y los ejemplos que hemos presentado le hayan dejado la
idea de que los reportes que incluyen un tratamiento estadstico de la
informacin mienten descaradamente y no es cierto.
Muchas veces la estadstica se utiliza correctamente, y las conclusiones
obtenidas son validas. Nuestro deseo es que esto ocurra cada vez con mayor
frecuencia.

Y para no dejarse engaar, conviene manejar los aspectos elementales de la
estadstica siempre con actitud crtica toda clase de reportes e informes,
particularmente aquellos en los involucrados intereses monetarios o de poder.
1.6 Teora de Decisin en Estadstica
DECISIONES ESTADSTICAS
Muy a menudo, en la prctica, se tienen que tomar decisiones sobre
poblaciones, partiendo de la informacin muestral de las mismas. Tales
decisiones se llaman decisiones estadsticas. Por ejemplo, se puede querer
decidir a partir de los datos del muestreo, si un suero nuevo es realmente
efectivo para la cura de una enfermedad, si un sistema educacional es mejor
que otro, si una moneda determinada est o no cargada, etc.
HIPTESIS ESTADSTICAS. HIPTESIS NULA
Para llegar a tomar decisiones, conviene hacer de terminados supuestos o
conjeturas acerca de las poblaciones que se estudian. Tales supuestos que
pueden ser o no ciertos se llaman hiptesis estadsticas y, en general, lo son
sobre las distribuciones de probabilidad de las poblaciones.
En muchos casos se formulan las hiptesis estadsticas con el solo propsito
de rechazadas o invalidadas. Por ejemplo, si se quiere decidir si una moneda
est cargada, se formula la hiptesis de que la moneda est bien, es decir, p =
0,5; donde p es la probabilidad de cara. Anlogamente, si se quiere decidir
sobre si un procedimiento es mejor que otro, se formula la hiptesis de que no
hay diferencia entre los procedimientos (es decir, cualquier diferencia
observada se debe meramente a fluctuaciones en el muestreo de la misma
poblacin). Tales hiptesis se llaman tambin hiptesis nulas y se denotan por
H0.
Cualquier hiptesis que difiera de una hiptesis dada se llama hiptesis
alternativa. Por ejemplo, si una hiptesis es p = 0,5 hiptesis alternativas son p
= 0,7; p< 0,5 o p > 0,5. Una hiptesis alternativa de la hiptesis nula se denota
por H1
1.7 Componentes de una Investigacin Estadstica
Una investigacin se puede denominar estadstica cuando las hiptesis son
afirmaciones relativas a la distribucin de una o ms vari ables aleatorias. En
estas investigaciones pueden identificarse, entre otros, los siguientes
componentes:
Un universo: un conjunto de entidades (personas, seres vivos, objetos
inanimados) respecto de los cuales se desea conocer alguna o algunas de sus
caractersticas.
Variables: caractersticas medibles que poseen todas las unidades del
universo.
Objeto de la investigacin: no consiste en identificar las entidades del
universo con ciertas caractersticas, sino que se trata de resumir informacin
acerca de la distribucin de dichas caractersticas en la poblacin
Procedimiento de recoleccin: es posible conocer, mediante un
procedimiento adecuado, el valor de la o las variables de algunas o de todas
las entidades del universo.
Restricciones: en cuanto a los recursos disponibles (humanos, tcnicos,
financieros) y en cuanto a la oportunidad en que deben darse a conocer los
resultados de la investigacin, lo que obliga a elegir, entre varias estrategias
alternativas, la que resulte ms eficiente.

La investigacin estadstica exige la participacin de diferentes especialistas
(estadsticos, informticos, especialistas en la materia investigada) en un
conjunto de actividades que deben seguir una secuencia lgica, aunque con
variantes que la pueden hacer ms o menos eficiente, ms o menos exitosa.
Una investigacin estadstica puede fracasar cuando no ha sido
adecuadamente planificada, cuando el presupuesto es insuficiente o no se
asigna en forma equilibrada entre las diferentes actividades, cuando no se
dispone de personal capacitado o cuando se cometen errores graves en la
ejecucin de las tareas o en el procesamiento de la informacin. La materia
prima de la investigacin estadstica son los datos. La clave del xito de la
investigacin est relacionada con los procedimientos que se siguen para la
seleccin, la recoleccin y el tratamiento de los datos.
Las actividades que involucra una investigacin estadstica pueden clasificarse
con arreglo a diversos criterios. Uno de ellos se relaciona con el orden
cronolgico en que deben ser realizadas. En este sentido, puede hablarse de
tres grandes etapas o fases:
- planificacin
- ejecucin y procesamiento
- anlisis y divulgacin.
1.8 Recoleccin de Datos
En el entorno de ingeniera, los datos son casi siempre una muestra que ha
sido seleccionado de alguna poblacin. Hay tres mtodos bsicos de
recoleccin de datos:
Un estudio retrospectivo usando datos histricos
Un estudio observacional
Un diseo de experimento
Un procedimiento eficaz de recoleccin de datos puede simplificar el anlisis y
conducir a una mejor comprensin de la poblacin o proceso que se est
estudiando.
Qu implica la Recoleccin de Datos?
Una vez que seleccionamos el diseo de investigacin apropiado y la muestra
adecuada de acuerdo con nuestro problema de estudio e hiptesis, la siguiente
etapa consiste en recolectar los datos pertinentes sobre las variables
involucradas en la investigacin.
Recolectar los datos implica tres actividades estrechamente vinculadas entre
s:
Seleccionar un instrumento de medicin de los disponibles en el estudio del
comportamiento o desarrollar uno (el instrumento de recoleccin de los datos).
Este instrumento debe ser vlido y confiable, -de lo contrario no podemos
basamos en sus resultados.
Aplicar ese instrumento de medicin. Es decir, obtener las observaciones y
mediciones de las variables que son de inters para nuestro estudio (medir
variables).
Preparar las mediciones obtenidas para que puedan analizarse
correctamente (a esta actividad se le denomina codificacin de los datos).

QU SIGNIFICA MEDIR?
De acuerdo con la definicin clsica del trmino ampliamente difundida
medir significa asignar nmeros a objetos y eventos de acuerdo a reglas
(Stevens, 1951), esta definicin es ms apropiada para las ciencias fsicas que
para las ciencias sociales, ya que varios de los fenmenos que son medidos en
stas no pueden caracterizarse como objetos o eventos, puesto que son
demasiado abstractos para ello.
Este razonamiento nos hace sugerir que es ms adecuado definir la medicin
como el proceso de vincular conceptos abstractos con indicadores empricos
proceso que se realiza mediante un plan explicito y organizado para clasificar
(y frecuentemente cuantificar) los datos disponibles los indicadores en
trminos del concepto que el investigador tiene en mente. Y en este proceso,
el instrumento de medicin o de recoleccin de los datos juega un papel
central. Sin l no hay observaciones clasificadas.
En toda investigacin aplicamos un instrumento para medir las variables
contenidas en las hiptesis (y cuando no hay hiptesis, simplemente para
medir las variables de inters). Esa medicin es efectiva cuando el instrumento
de recoleccin de los datos realmente representa a las variables que te nemos
en mente. Si no es as nuestra medicin es deficiente y por lo tanto la
investigacin no es digna de tomarse en cuenta. Desde luego, no hay medicin
perfecta, es prcticamente imposible que representemos fielmente variables
tales como la inteligencia, la motivacin, el nivel socioeconmico, el liderazgo
democrtico, la actitud hacia el sexo y otras ms; pero s debemos de
acercarnos lo ms posible a la representacin fiel de las variables a observar,
mediante el instrumento de medicin que desarrollemos.
QU REQUISITOS DEBE CUBRIR UN INSTRUMENTO DE MEDICIN?
Toda medicin o instrumento de recoleccin de los datos debe reunir dos
requisitos esenciales: confiabilidad y validez
La confiabilidad de un instrumento de medicin se refiere al grado en que su
aplicacin repetida al mismo sujeto u objeto, produce iguales resultados.
La validez, en trminos generales, se refiere al grado en que un instrumento
realmente mide la variable que pretende medir.
El mtodo ms utilizado para recolectar datos es:
Cuestionario
o Entrevista personal
o Entrevista telefnica
1.9 Estadstica Paramtrica (poblacin y muestras aleatorias)
Hay dos clases de pruebas estadsticas: Las paramtricas y las no
paramtricas. Las pruebas paramtricas tienen mayor capacidad para detectar
una relacin real o verdadera entre dos variables, si es que la misma existe.
Por ello, exigen que los datos a los que se aplican, cumplan tres requisitos:
Variable numrica: Que las variables de estudio (dependiente) est medida en
una escala que sea por lo menos de intervalo.
Normalidad: Que los valores de la variable dependiente sigan una distribucin
normal; por lo menos, en la poblacin a la que pertenece la muestra.
Prueba estadstica: Kolmogorov Smirnov
Homocedasticidad: Que las varianzas de la variable dependiente en los
grupos que se comparan sean aproximadamente iguales (homogeneidad de las
varianzas).
Prueba estadstica: Test de Levene.
Propiedades
1. Requieren que las variables se midan con la escala intervalo o de razn
2. Se relacionan con el estudio de un parmetro de la poblacin (media,
varianza, desviacin estndar, etc.)
Cuando se conoce la forma funcional de la funcin de distribucin que sigue la
variable aleatoria objeto de estudio y slo tenemos que estimar los parametros
que la determinan, estamos en un problema de inferencia estadstica
paramtrica; por el contrario cuando no se conoce la forma funcional de la
distribucin que sigue la variable aleatoria objeto de estudio, estamos ante un
problema de inferencia estadstica no paramtr ica.
En lo que sigue nos vamos a limitar a problemas de inferencia estadstica
paramtrica, donde la variable aleatoria objeto de estudio sigue una distribucin
normal, y slo tendremos que tratar de estimar los parmetros que la
determinan, la media (medidas de tendencia central) y la desviacin tpica
(medidas de dispersin).
Esta situacin se presenta con frecuencia debido a que es posible a menudo
conocer la forma funcional de la distribucin de probabilidad, por
consideraciones tericas, quedando nicamente indeterminados los
parmetros que determinan la funcin de distribucin.
Promedio, media o media aritmtica:
Se define como el cociente que se obtiene al dividir la suma de los valores de
la variable por el n de observaciones. Se aplica a varia bles numricas.
Su frmula es la siguiente:
Para una muestra Para una poblacin
Varianza:
Es la media aritmtica de los cuadrados de las desviaciones. Se denota por S2
o 2.
Este valor cuantifica el grado de dispersin o separacin de los valores de la
distribucin con respecto a la media aritmtica.
A mayor dispersin mayor valor de la varianza, a menor dispersin menor valor
de la varianza.

Su frmula es la siguiente:
Desviacin estndar:
La desviacin estndar es una medida del grado de dispersin de los datos con
respecto al valor promedio. Dicho de otra manera, la desviacin estndar es
simplemente el "promedio" o variacin esperada con respecto a la media
aritmtica. Se define como la raz de la varianza.