Los datos estan dispersos?

2. Introducción a la Estadística y la Variabilidad

¿Qué es la variabilidad?

La variabilidad, o dispersión, nos indica qué tan "esparcidos" o "alejados" están los datos entre sí o respecto a un valor central. Es un concepto clave en estadística.

A menudo, cuando analizamos un conjunto de datos, nos centramos en la media (el promedio) para resumirlo todo en un solo número. Sin embargo, la media por sí sola puede ser muy engañosa. La variabilidad (o dispersión) nos cuenta el resto de la historia: cuán esparcidos o consistentes están los datos. Aquí te explicamos por qué es un concepto crucial.

1. La media sola puede ser engañosa

Dos conjuntos de datos pueden tener la misma media, pero contar historias completamente opuestas. La variabilidad revela la verdadera distribución de los datos.

Ejemplo: Notas de dos cursos

Imagina que calculas la nota promedio de dos cursos de 5 estudiantes y en ambos el promedio final es un 5,5.

Curso A (baja variabilidad): Sus promedios de notas son ${5, 5; 5, 0; 6, 0; 5, 5; 5, 5}$ . El rendimiento es muy consistente y predecible. Sabes qué esperar de ellos.
Curso B (alta variabilidad): Sus promedios de notas son ${2, 0; 7, 0; 4, 5; 7, 0; 7, 0}$ . El rendimiento es impredecible y extremo. Tienes estudiantes con serias dificultades y otros que sobresalen.

Sin ver la dispersión, pensarías que ambos cursos son académicamente iguales, perdiendo información crucial para tomar decisiones pedagógicas (como ofrecer apoyo a los estudiantes del curso B que lo necesitan).

2. Mide la consistencia y la confiabilidad

Una baja variabilidad es sinónimo de calidad y predictibilidad. Esto es vital en la industria, las finanzas y la ciencia.

Ejemplo: Producción industrial

Una fábrica de tornillos busca que sus productos tengan un diámetro de $5 m m$ .

Fábrica A (baja variabilidad): Produce tornillos que miden entre $4, 99 m m$ y $5, 01 m m$ . Casi todos son perfectos, lo que se traduce en clientes satisfechos y cero devoluciones.
Fábrica B (alta variabilidad): Produce tornillos que miden entre $4, 80 m m$ y $5, 20 m m$ . Muchos no encajarán en su destino, generando pérdidas económicas y dañando la reputación de la marca.

En esta situación, sería deseable la más baja variabilidad posible.

Ejemplo: Inversiones financieras

Dos fondos de inversión tienen un retorno promedio anual de un $4 %$ .

Fondo A (baja variabilidad): Su retorno anual ha oscilado entre el $2 %$ y el $6 %$ .
Fondo B (alta variabilidad): Su retorno ha fluctuado entre un $- 10 %$ (pérdida) y un $+ 18 %$ (ganancia).

Nuevamente, ambos fondos promedian el mismo $4 %$ de retorno anual, pero la variabilidad define la experiencia del inversionista. El Fondo A ofrece tranquilidad y previsibilidad a cambio de una rentabilidad positiva, baja pero segura. En cambio, el Fondo B representa la incertidumbre y el riesgo a cambio de la oportunidad de obtener ganancias mayores. La decisión final dependerá siempre del apetito por el riesgo de cada persona.

3. Permite comparaciones justas

Para decidir entre opciones, la variabilidad es tan importante como el promedio. Te dice cuál opción es más fiable en el mundo real.

Ejemplo: Contratar un proveedor de internet

Vas a contratar un proveedor de internet para tu casa. Ambos prometen $200 M b p s$ en promedio.

Proveedor A (baja variabilidad): Tu velocidad casi siempre estará entre $190$ y $210 M b p s$ . Es una conexión estable para tus videollamadas o clases online.
Proveedor B (alta variabilidad): A veces tendrás $400 M b p s$ , pero otras veces caerá a $10 M b p s$ , interrumpiendo tu trabajo justo en el momento más importante.

Si bien la idea de alcanzar $400 M b p s$ es tentadora, la alta variabilidad del Proveedor B significa que no tienes la seguridad de contar con una buena conexión durante tus clases o reuniones importantes. Para el uso diario, la consistencia del Proveedor A es mucho más valiosa.

4. Ayuda a identificar valores atípicos (outliers)

Una variabilidad alta puede ser una "alarma" que te avisa de la existencia de datos anómalos (outliers) que están distorsionando la realidad y, por ende, el promedio.

Ejemplo: Tiempos de entrega

Analizas el tiempo de entrega de tus productos y el promedio es de $3$ días, pero la desviación estándar (una medida de variabilidad) es muy alta.

Al revisar los datos en detalle, descubres que el $95 %$ de los pedidos llega en $1 - 2$ días, pero unos pocos tardaron $15$ días por una huelga de transporte.

Esos valores atípicos (los de 15 días) inflan artificialmente el promedio y la variabilidad. Sin detectarlos, podrías pensar que tu logística es mala en general, cuando en realidad el problema fue un evento aislado y específico que debes gestionar de forma diferente.

En resumen: ¿Por qué medir la variabilidad?

Con la misma media, dos grupos pueden comportarse muy distinto, pero si la dispersión difiere, entonces se afecta la confiabilidad de las predicciones de cada grupo.

Nos ayuda a comparar conjuntos con datos de la misma naturaleza.
Permite detectar si los datos que analizamos son consistentes o muy dispersos.
Una media sin considerar la variabilidad puede ser engañosa.

Problema 1: Análisis de distribución

Observa la siguiente distribución de datos y responde:

${12, 15, 18, 18, 20, 21, 21, 21, 25, 30}$

Indica la media de la distribución.
Identifica los valores en los "extremos" de la distribución.
Identifica el sector donde hay una mayor concentración de datos.

Problema 2: Rendimiento de equipos

Dos equipos de baloncesto registran sus puntajes en los últimos 5 partidos:

Equipo A: 85, 90, 88, 92, 80
Equipo B: 75, 105, 80, 95, 85

Calcula la media de los puntajes de cada equipo.
Argumenta: ¿qué equipo tiene mayor variabilidad en sus puntajes? ¿Por qué?

Problema 3: Grupos de estudiantes

Observa los siguientes gráficos que muestran las edades de los estudiantes en dos grupos:

Grupo A	Grupo B

Argumenta: ¿qué grupo de estudiantes presenta una mayor variabilidad en sus edades? ¿Por qué?