Cmo calcular, la media, la moda y la mediana

Media aritmtica

o promedio

Es aquella medida que se obtiene al dividir la suma de todos los valores de una
variable por la frecuencia total. En palabras ms simples, corresponde a la suma de un
conjunto de datos dividida por el nmero total de dichos datos.

Ejemplo 1:
En matemticas, un alumno tiene las siguientes notas: 4, 7, 7, 2, 5, 3
n = 6 (nmero total de datos)

La media aritmtica de las notas de esa asignatura es 4,8. Este nmero representa el
promedio.
Ejemplo 2:
Cuando se tienen muchos datos es ms conveniente agruparlos en una tabla de
frecuencias y luego calcular la media aritmtica. El siguiente cuadro con las medidas de
63 varas de pino lo ilustra.

Largo (en m)

Frecuencia absoluta

Largo por Frecuencia absoluta

10

10 = 50

15

15 = 90

20

20 = 140

12

12 = 96

6 = 54

Frecuencia total = 63

430

Se debe recordar que la frecuencia absoluta indica cuntas veces se repite cada valor,
por lo tanto, la tabla es una manera ms corta de anotar los datos (si la frecuencia
absoluta es 10, significa que el valor a que corresponde se repite 10 veces).

Moda (Mo)
Es la medida que indica cual dato tiene la mayor frecuencia en un conjunto de datos; o
sea, cual se repite ms.
Ejemplo 1:
Determinar la moda en el siguiente conjunto de datos que corresponden a las edades de
nias de un Jardn Infantil.
5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3
La edad que ms se repite es 3, por lo tanto, la Moda es 3 (Mo = 3)
Ejemplo 2:
20, 12, 14, 23, 78, 56, 96
En este conjunto de datos no existe ningn valor que se repita, por lo tanto, este
conjunto de valores no tiene moda.
Mediana (Med)
Para reconocer la mediana, es necesario tener ordenados los valores sea de mayor a
menor o lo contrario. Usted divide el total de casos (N) entre dos, y el valor resultante
corresponde al nmero del caso que representa la mediana de la distribucin.
Es el valor central de un conjunto de valores ordenados en forma creciente o
decreciente. Dicho en otras palabras, la Mediana corresponde al valor que deja igual
nmero de valores antes y despus de l en un conjunto de datos agrupados.
Segn el nmero de valores que se tengan se pueden presentar dos casos:
Si el nmero de valores es impar, la Mediana corresponder al valor central de dicho
conjunto de datos.

Si el nmero de valores es par, la Mediana corresponder al promedio de los dos valores

centrales (los valores centrales se suman y se dividen por 2).
Ejemplo 1:
Se tienen los siguientes datos: 5, 4, 8, 10, 9, 1, 2
Al ordenarlos en forma creciente, es decir de menor a mayor, se tiene: 1, 2, 4, 5, 8, 9,
10
El 5 corresponde a la Med, porque es el valor central en este conjunto de datos impares.
Ejemplo 2:
El siguiente conjunto de datos est ordenado en forma decreciente, de mayor a menor, y
corresponde a un conjunto de valores pares, por lo tanto, la Med ser el promedio de los
valores centrales.
21, 19, 18, 15, 13, 11, 10, 9, 5, 3

Ejemplo 3:

Interpretando el grfico de barras podemos deducir que:

5 alumnos obtienen puntaje de 62

5 alumnos obtienen puntaje de 67

8 alumnos obtienen puntaje de 72
12 alumnos obtienen puntaje de 77
16 alumnos obtienen puntaje de 82
4 alumnos obtienen puntaje de 87
lo que hace un total de 50 alumnos
Sabemos que la mediana se obtiene haciendo

lo cual significa que la mediana se ubica en la posicin intermedia entre los alumnos 25
y 26 (cuyo promedio es 25,5), lo cual vemos en el siguiente cuadro:

puntaje

alumnos

62

62

62

62

62

67

67

67

67

67

10

72

11

72

12

72

13

72

14

72

15

72

16

72

17

72

18

77

19

77

20

77

21

77

22

77

23

77

24

77

25

77

26

77

27

77

28

77

29

77

30

82

31

82

32

82

33

82

34

82

35

82

36

82

37

82

38

82

39

82

40

82

41

82

42

82

43

82

44

82

45

82

46

87

47

87

48

87

49

87

50

El alumno 25 obtuvo puntaje de 77

El alumno 26 obtuvo puntaje de 77
Entonces, como el total de alumnos es par debemos promediar esos puntajes:

La mediana es 77, lo cual significa que 25 alumnos obtuvieron puntaje desde 77 hacia
abajo (alumnos 25 hasta el 1 en el cuadro) y 25 alumnos obtuvieron puntaje de 77 hacia
arriba (alumnos 26 hasta el 50 en el cuadro).

MEDIA ARITMTICA SIMPLE

2.1.1.1) Definicin
Es la medida de tendencia central ms utilizada por lo general se ubica hacia el centro
de distribucin estadstica.
2.1.1.2) Mtodos de Clculo
a) Para Datos sin Agrupar

b) Para Datos Agrupados en Tablas de Frecuencias.- Cuando una serie se la agrupa en

serie simple con frecuencias para obtener la media aritmtica, se multiplica la variable
por la frecuencia respectiva (f), luego se obtiene la suma de todos estos productos y
luego a este valor se lo divide para el nmero de elementos (n). Todo esto puede
representarse mediante una frmula matemtica, as:

c) Para Datos Agrupados en Intervalos.- Cuando una serie se la agrupa en intervalos

para obtener la media aritmtica, se multiplica la marca de clase de intervalo (xm) por la
frecuencia respectiva (f), luego se obtiene la suma de todos estos productos y luego a
este valor se lo divide para el nmero de elementos. Todo esto puede representarse
mediante una frmula matemtica, as

Ejemplo ilustrativo
Calcular la media aritmtica de las siguientes calificaciones de Estadstica tomadas de
una muestra de 20, sin agrupar, agrupando en tablas de frecuencias y agrupando en
intervalos.
4, 8, 10, 10, 5, 10, 9, 8, 6, 8, 10, 8, 5, 7, 4, 4, 8, 8, 6 y 6
Solucin:
1) Sin agrupar

En Excel se calcula insertando la funcin PROMEDIO:

2) Agrupando en tablas de frecuencias
Adems presentar los datos en un diagrama de sectores.

10

Total 20

3) Agrupando en intervalos

Intervalos f

xm

4- 5

4,5

6 -7

6,5

8- 9

8,5

10-11

10,5

Nota: Cuando se agrupa en intervalos los clculos son slo aproximaciones

En Excel se calcula insertando la funcin: SUMAPRODUCTO
(C27:C30;D27:D30)/SUMA(C27:C30) como se muestra en la siguiente figura:

Nota: La principal propiedad de la media aritmtica es:

La suma algebraica de las desviaciones de un conjunto de datos respecto de su media
aritmtica es cero

Leer ms: http://www.monografias.com/trabajos85/interaprendizaje-medidas-tendenciacentral/interaprendizaje-medidas-tendencia-central.shtml#mediaarita#ixzz3Z57zTDqd

LA VARIANZA (S2 2 ):
La varianza es una medida de dispersin relativa a algn punto de referencia. Ese punto
de referencia es la media aritmtica de la distribucin. Ms especficamente, la varianza
es una medida de que tan cerca, o que tan lejos estn los diferentes valores de su propia
media aritmtica. Cuando ms lejos estn las Xi de su propia media aritmtica, mayor es
la varianza; cuando ms cerca estn las Xi a su media menos es la varianza. Y se define
y expresa matemticamente de la siguiente manera:

La varianza para datos no agrupados

Dado un conjunto de observaciones, tales como X1, X2, , Xn, la varianza denotada
usualmente por la letra minscula griega (sigma) elevada al cuadrado (2)y en otros
casos S2 segn otros analistas, se define como: el cuadrado medio de las desviaciones
con respecto a su media aritmtica"
Matemticamente, se expresa como:

Ejemplo:
Se tienen las edades de cinco estudiantes universitarios de Ier ao, a saber: 18,23, 25,
27, y 34. Al calcular la media aritmtica (promedio de las edades, se obtuvo 25.4 aos,
encontrar la varianza de las edades de estos estudiantes:
Para calcular se utiliza una tabla estadstica de trabajo de la siguiente manera:

Xi
18
23
25

27
34
Total

Respuesta: la varianza de las edades es de 27.4 aos

La varianza para datos agrupados

Si en una tabla de distribucin de frecuencias. Los puntos medios de las clases son X1,
X2, , Xn; y las frecuencias de las clases f1, f2, , fn; la varianza se calcula as:
(Xi-)2f1
2 = ---------------fi
Sin embargo la formula anterior tiene algn inconveniente para su uso en la practica,
sobre todo cuando se trabaja con nmeros decimales o cuando la media aritmtica es un
nmero entero. Asimismo cuando se trabaja con mquinas calculadoras, La tarea de
computar la varianza se simplifica utilizando la formula de computacin que se da a
continuacin:
Xi2fi - [(Xifi)2/N]

2 = ---------------------------N donde N=fi

Ejemplo:
Se tienen los datos de una muestra de 30 cuentas por cobrar de la tienda Cabreras y
Asociados dispuestos en una tabla de distribucin de frecuencias, a partir de los cuales
se deber calcular la varianza, para lo cual se construye la siguiente tabla estadstica de
trabajo, si se calcul anteriormente la media aritmtica y se fij en 43.458 (ver ejemplo
del calculo en "media aritmtica para datos agrupados) de la siguiente manera

clases
7.420 21.835
21.835 36.250
36.250 50.665
50.665 65.080
65.080 79.495
79.495 93.910
Total

= 21,649.344 / 30 = 721.645
Respuesta: la varianza de las cuentas por cobrar es igual B/.721.645

Propiedades de la varianza :

s siempre un valor no negativo, que puede ser igual o distinta de 0.

Ser 0 solamente cuando Xi=

La varianza es la medida de dispersin cuadrtica optima por ser la

menor de todas.

Si a todos los valores de la variable se le suma una constante la

varianza no se modifica. Vemoslo:

Si a xi le sumamos una constante xi = xi + k tendremos (sabiendo que

Si todos los valores de la variable se multiplican por una constante la

varianza queda multiplicada por el cuadrado de dicha constante.
Vemoslo:

Si a xi = xi k tendremos (sabiendo que

Si en una distribucin obtenemos una serie de subconjuntos

disjuntos, la varianza de la distribucin inicial se relaciona con la
varianza de cada uno de los subconjuntos mediante la expresin

Siendo
Ni el n de elementos del subconjunto (i)
S2i la varianza del subconjunto (i)

1.3.- LA DESVIACIN ESTNDAR (S )

Es una medida de la cantidad tpica en la que los valores del conjunto de datos
difieren de la media. Es la medida de dispersin ms utilizada, se le llama tambin
desviacin tpica. La desviacin estndar siempre se calcula con respecto a la media y
es un mnimo cuando se estima con respecto a este valor.

Se calcula de forma sencilla, si se conoce la varianza, por cuanto que es la raz cuadrada
positiva de esta. A la desviacin se le representa por la letra minscula griega "sigma"
( ) por la letra S mayscula, segn otros analistas.
Clculo de la Desviacin Estndar
= 2 S = S2
Ejemplo:
Del calculo de la varianza de las edades de cinco estudiantes universitarios de primer
ao se obtuvo 2=27.44, como la desviacin estndar es la raz cuadrada positiva,
entonces = 27.44 = 5.29 aos.
Igual procedimiento se aplica para encontrar le desviacin estndar de las cuentas por
cobrar de la Tienda Cabreras y Asociados, recordemos que la varianza obtenida fue de
721.645, luego entonces la desviacin estndar es igual a =721.645 = 26.86 balboas.

Propiedades de la Desviacin Estndar

A su vez la desviacin estndar, tambin tiene una serie de propiedades que se deducen
fcilmente de las de la varianza (ya que la desviacin tpica es la raz cuadrada positiva
de la varianza):

La desviacin estndar es siempre un valor no negativo S ser

siempre 0 por definicin. Cuando S = 0 X = xi (para todo i).

Es la medida de dispersin ptima por ser la ms pequea.

La desviacin estndar toma en cuenta las desviaciones de todos los

valores de la variable

Si a todos los valores de la variable se le suma una misma constante

la desviacin estndar no vara.

Si a todos los valores de la variable se multiplican por una misma

constante, la desviacin estndar queda multiplicada por el valor
absoluto de dicha constante.

1.4.- El Coeficiente de Variacin de Pearson (C.V.)

Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor
representativo, las medidas de dispersin nos dicen hasta que punto estas medidas de
tendencia central son representativas como sntesis de la informacin. Las medidas de
dispersin cuantifican la separacin, la dispersin, la variabilidad de los valores de la
distribucin respecto al valor central. Distinguimos entre medidas de dispersin
absolutas, que no son comparables entre diferentes muestras y las relativas que nos
permitirn comparar varias muestras.

El problema de las medidas de dispersin absolutas es que normalmente son un

indicador que nos da problemas a la hora de comparar. Comparar muestras de variables
que entre s no tienen cantidades en las mismas unidades, de ah que en ocasiones se
recurra a medidas de dispersin relativas.
Un problema que se plantea, tanto la varianza como la desviacin estndar,
especialmente a efectos de comparaciones entre distribuciones, es el de la dependencia
respecto a las unidades de medida de la variable. Cuando se quiere comparar el grado de
dispersin de dos distribuciones que no vienen dadas en las mismas unidades o que las
medias no son iguales se utiliza el llamado "Coeficiente de Variacin de Pearson", del
que se demuestra que nos da un nmero independiente de las unidades de medidas
empleadas, por lo que entre dos distribuciones dadas diremos que posee menor
dispersin aquella cuyo coeficiente de variacin sea menor., y que se define como la
relacin por cociente entre la desviacin estndar y la media aritmtica; o en otras
palabras es la desviacin estndar expresada como porcentaje de la media aritmtica.
Definicin del Coeficiente de Variacin

Donde: C.V. representa el nmero de veces que la desviacin tpica contiene a la media
aritmtica y por lo tanto cuanto mayor es CV mayor es la dispersin y menor la
representatividad de la media.

Propiedades del Coeficiente de Variacin :

Si a todos los valores de la variable se le suma una misma constante

el coeficiente de variacin queda alterado .

Ejemplo:
Suponga que Usted trabaja en una compaa de ventas, que ofrece como premio de
incentivo al mejor vendedor del trimestre anterior las entradas al palco empresarial en la
serie final de bisbol de las grandes ligas en los Estados Unidos (E,E,U,A,).
De los registros de ventas se tienen los siguientes datos de ventas, expresados en
porcentajes de cumplimiento de las metas fijadas mensualmente:
Vendedor A 95 105 100
Vendedor B 100 90 110

El promedio trimestral de cumplimiento de las metas de ventas de ambos vendedores es

igual y equivale al 100%, pero Ud. Slo le puede dar el premio de incentivo a uno de
ellos. Cul usted escogera?. En base a que criterio. Explique.
Este problema se resuelve utilizando el coeficiente de variacin, para estos efectos es
necesario encontrar la desviacin estndar trimestral de las ventas de cada uno de la
siguiente manera:
Vendedor A
Xi
95
105
100
Total
La desviacin estndar es =(50/3) = 16.667 = 4.08, luego entonces el coeficiente de
variacin es igual a:
4.08
C.VA= --------- = ----------- = 0.0408
100
Vendedor B
Xi
100
90
110
Total
La desviacin estndar es =(200/3) = 66.667 = 8.16, luego entonces el coeficiente
de variacin es igual a:

Respuesta: Dado que el vendedor A tiene menor coeficiente de variacin, A l le

corresponde recibir el premio de incentivo.

Leer ms: http://www.monografias.com/trabajos43/medidasdispersion/medidas-dispersion2.shtml#ixzz3Z59W9CaO

MEDIA
Es la medida de posicin central ms utilizada, la ms conocida y la ms sencilla de
calcular, debido principalmente a que sus ecuaciones se prestan para el manejo
algebraico, lo cual la hace de gran utilidad. Su principal desventaja radica en su
sensibilidad al cambio de uno de sus valores o a los valores extremos demasiado
grandes o pequeos. La media se define como la suma de todos los valores observados,
dividido por el nmero total de observaciones.

Ecuacin 5-1

Cuando los valores representan una poblacin la ecuacin se define como:

Ecuacin 5- 2

Donde (m) representa la media, (N) representa el tamao de la poblacin y (Xi)

representa cada uno de los valores de la poblacin. Ya que en la mayora de los casos se
trabajan con muestras de la poblacin todas las ecuaciones que se presenten a
continuacin sern representativas para las muestras. La media aritmtica para una
muestra esta determinada como

Ecuacin 5-3

Donde (X) representa la Media para la muestra, (n) el tamao de la muestra y (Xi)
representa cada uno de los valores observados. Esta frmula nicamente es aplicable si
los datos se encuentran desagrupados; en caso contrario debemos calcular la media
mediante la multiplicacin de los diferentes valores por la frecuencia con que se
encuentren dentro de la informacin; es decir,

Ecuacin 5-4

Donde (Yi) representa el punto medio de cada observacin, (ni) es la frecuencia o

nmero de observaciones en cada clase y (n) es el tamao de la muestra siendo igual a
la suma de las frecuencias de cada clase.

Para entender mejor este concepto vamos a suponer que hemos tomado la edad de 5
personas al azar cuyos resultados fueron (22, 33, 35, 38 y 41). Para facilitar su
interpretacin se han generado tres rangos de edad los cuales se han establecido de 21 a
30 aos, de 31 a 40 aos y de 41 a 50 aos. Si nos fijamos en estos rangos notaremos
que los puntos medios son 25, 35 y 45 respectivamente. Los resultados de la
organizacin de estos datos se representan en la tabla [5-1].

Figura 5-1

Si aplicamos la frmula para valores agrupados obtendramos que la media es igual a

Lo que nos indicara que el promedio de edad de los encuestados es de 35 aos. Si ha

estos mismos resultados le aplicamos la ecuacin para datos desagrupados (Ecuacin 53), tomando como referencia cada uno de los valores individuales, obtendramos que la
media es igual a

Lo que nos indicara que el promedio de edad para los datos desagrupados es de 34 aos
aproximadamente. Esta diferencia se debe a que al agrupar los datos se pierde
parcialmente la exactitud de los clculos, principalmente al aumentar el nmero de
datos. Para evitar estos inconvenientes, SPSS nos permite calcular las Medias, como si
se trataran de valores desagrupados, aunque tiene algunos procedimientos para valores
agrupados.

Es importante resaltar que existe una gran variedad de medias como la Media
geomtrica, la Media ponderada, la Media cuadrtica, etc. Por el momento slo
hacemos nfasis en la media aritmtica ya que es la ms utilizada, aunque se
recomienda a los lectores profundizar en estos temas.

2. MEDIANA
Con esta medida podemos identificar el valor que se encuentra en el centro de los datos,
es decir, nos permite conocer el valor que se encuentra exactamente en la mitad del
conjunto de datos despus que las observaciones se han ubicado en serie ordenada. Esta
medida nos indica que la mitad de los datos se encuentran por debajo de este valor y la
otra mitad por encima del mismo. Para determinar la posicin de la mediana se utiliza la
frmula

Ecuacin 5-5

Para comprender este concepto vamos a suponer que tenemos la serie ordenada de
valores (2, 5, 8, 10 y 13), la posicin de la mediana sera:

Lo que nos indica que el valor de la mediana corresponde a la tercera posicin de la

serie, que equivale al nmero (8). Si por el contrario contamos con un conjunto de datos
que contiene un nmero par de observaciones, es necesario promediar los dos valores
medios de la serie. Si en el ejemplo anterior le anexamos el valor 15, tendramos la serie
ordenada (2, 5, 8, 10, 13 y 15) y la posicin de la mediana sera,

Es decir, la posicin tres y medio. Dado que es imposible destacar la posicin tres y
medio, es necesario promediar los dos valores de la posiciones tercera y cuarta para
producir una mediana equivalente, que para el caso corresponden a (8 + 10)/2 =9. Lo
que nos indicara que la mitad de los valores se encuentra por debajo del valor 9 y la
otra mitad se encuentra por encima de este valor.

En conclusin la mediana nos indica el valor que separa los datos en dos fracciones
iguales con el cincuenta porciento de los datos cada una. Para las muestras que cuentan
con un nmero impar de observaciones o datos, la mediana dar como resultado una de
las posiciones de la serie ordenada; mientras que para las muestras con un nmero par
de observaciones se debe promediar los valores de las dos posiciones centrales.

3. MODA
La medida modal nos indica el valor que ms veces se repite dentro de los datos; es
decir, si tenemos la serie ordenada (2, 2, 5 y 7), el valor que ms veces se repite es el
nmero 2 quien seria la moda de los datos. Es posible que en algunas ocasiones se
presente dos valores con la mayor frecuencia, lo cual se denomina Bimodal o en otros
casos ms de dos valores, lo que se conoce como multimodal.

En conclusin las Medidas de tendencia central, nos permiten identificar los valores
ms representativos de los datos, de acuerdo a la manera como se tienden a concentrar.
La Media nos indica el promedio de los datos; es decir, nos informa el valor que
obtendra cada uno de los individuos si se distribuyeran los valores en partes iguales. La
Mediana por el contrario nos informa el valor que separa los datos en dos partes iguales,
cada una de las cuales cuenta con el cincuenta porciento de los datos. Por ltimo la
Moda nos indica el valor que ms se repite dentro de los datos.
QU ES LA DESVIACIN ESTANDAR Y COMO INTERPRETARLA #2
13 noviembre 2009

En la primera parte de este articulo, vimos la definicin de desviacin estndar y su

clculo mediante una frmula matemtica, ahora con ese dato obtenido definamos una
probabilidad en la cual el activo cotice a determinado precio. Por lo tanto preguntarnos
cuntas desviaciones estndar deber moverse el activo de la media/promedio, y asi
determinar la probabilidad asociada a ese nmero de desviaciones estndar.

La probabilidad exacta asociada con cualquier nmero de desviaciones estndar puede

encontrarse en los libros de estadstica. Sin embargo las siguientes aproximaciones
pueden resultarles tiles:

1 desviacin estndar significa aproximadamente un 68,3% o cerca de 2/3 de todos

los casos.
2 desviaciones son aproximadamente un 95,4% o cerca de 19/20 de todos los casos.
3 desviaciones estndar engloban aproximadamente un 99,7% (cerca de 369/370) de
todos los casos.
La desviacin estndar va precedida de un signo ms-menos () debido a que se
considera que las distribuciones de los retornos son simtricas (no precios), es decir la
probabilidad de un movimiento hacia arriba o hacia abajo es idntica en ambos casos.
Retomando el ejemplo nmerico de la parte #1, en el que calculamos la desviacin
estndar segn la frmula estadistica, no necesariamente tienen que hacer todos los
clculos ustedes, excel facilita la operatoria mediante la funcin PROMEDIO y
DESVEST , la cual utilizaran para calcular el promedio y la desviacion estandar del
cambio logartmico en los precios.
El dato obtenido con esa serie de precios fue 1.296% de desviacin estandar, por lo
tanto es de esperar que en un da la accin cotice aproximadamente entre:
$1581.786019
$158 2(1.786019)
$1583(1.786019)

La otra manera de interpretar este resultado, sera decir que se espera un cambio en el
precio de este activo de $1.78 o menos aproximadamente dos das hbiles de cada
tres, un cambio de $3.56 o menor aproximadamente 19 de cada 20 das, y solo un da
de cada 20 podemos esperar un cambio en el precio de mas de $3.56. Recuerde que
estamos hablando en trminos de probabilidad, y puede que sea poco probable que el
precio cambie ms de tres desviaciones, pero no es imposible.
Aplicabilidad
Para los que estn ms familiarizados con el mercado, sabemos que la volatilidad es til
no slo para ver el movimiento que pueda tener el activo, sino que es importante a la
hora de valorar opciones. En un modelo de valuacin de opciones la volatilidad es el
nico factor que no puede ser directamente observado, y va a depender de muchos
factores tales como el mtodo utilizado para determinarla, numero de datos, situacin
especifica en un momento del tiempo, etc, sin embargo, lo que si es cierto es que el
precio de las opciones depende de las expectativas de volatilidad, a mayor volatilidad,
mas caras son las opciones.
Es entonces cuando podemos hablar de volatilidad histrica (desviacin estndar) y
volatilidad implcita, la histrica ya vimos que se obtiene de datos pasados, mientras
que la implcita es la valoracin de la volatilidad que hace el mercado hasta el
vencimiento de una opcin y que est continuamente cambiando en funcin de las
expectativas y variaciones en las primas de las opciones.
La volatilidad implcita se calcula en un determinado momento seleccionado un modelo
de valoracin de opciones y despejando la incgnita, tenemos como datos: el precio de
la opcin que est cotizando en el mercado, el tiempo al vencimiento, el precio de
ejercicio de la opcin y el precio de cotizacin del activo subyacente.
Esta volatilidad est expresada en trminos anuales en la mayora de los casos, sin
embargo la caracterstica que presenta la volatilidad implcita y la desviacin estndar
es que es proporcional a la raz cuadrada del tiempo. Por lo tanto la volatilidad anual
(sa) de un activo es igual a la volatilidad diaria multiplicada por la raz cuadrada de 252
o de 360 dependiendo los das hbiles o calendarios que cotice:

O si tenemos la volatilidad semanal:

Y de estas frmulas despejamos la volatilidad diaria o semanal.

Para los operadores de opciones, lo que nos interesa es saber cunto valora el mercado
que el precio de ese activo se puede mover hasta el vencimiento, por lo tanto si estamos
viendo una pantalla de trading o leyendo fuentes de informacin en la cual nos muestre
el dato de volatilidad, lo que debemos hacer es tomar las opciones cuyo precio de
ejercicio sea mas parecido al precio de cotizacin (at the Money) y si nos dice por
ejemplo que la volatilidad implcita es 25.96%, debemos contar los nmeros de das que
hay entre la fecha que estamos mirando y la fecha al vencimiento, suponiendo que
falten 18 das, hacemos el siguiente clculo:
al vencimiento = 25.96% /(252/18)= 6.94% con un nivel de confianza del 68%.
Aclaraciones
La volatilidad implcita no necesariamente coincide con la volatilidad histrica, pues
la informacin adicional que pueda presentarse puede cambiar la percepcin de riesgo,
independientemente de lo que haya ocurrido en el pasado. Sin embargo la volatilidad
histrica tiene un peso en la volatilidad implicita ya que en el pasado tambin hubo
variaciones importantes cuando se incorporaba nueva informacin
Estas son medidas que nos muestran una aproximacin de cmo puede moverse el
precio, sin embargo nunca es imposible que los precios del mercado ante situaciones
adversas se muevan por encima o por debajo de nuestras predicciones.
Por Lilian Mora.
Etiquetas:cmo interpretar la desviacin estndar, desviacin estndar, desvio estndar,
opciones, probabilidad, riesgo, volatilidad, volatilidad histrica, volatilidad implcita
Publicado en Conceptos | Leave a Comment
QU ES LA DESVIACIN ESTNDAR Y COMO INTERPRETARLA #1
11 noviembre 2009

Para muchos la
palabra desviacin estndar puede sonar desconocida y no la habrn odo nombrar a
menos que hayan asistido a una clase de estadstica.
Sin embargo no se preocupe, es probable que si ha escuchado la palabra volatilidad,
volatilidad del mercado, volatilidad del precio, ya esta familiarizado con el tema, ya que
volatilidad lo podemos connotar como movimiento, y significa lo mismo que desviacin
estndar sino que esta ltima palabra es usada en estricto sentido matemtico
Que es desviacin estndar?
Justamente la desviacin Estndar, en un conjunto de datos (precios en el caso del
mercado de valores) es una medida de dispersin, que nos indica cunto pueden
alejarse los valores respecto al promedio (media), por lo tanto es til para buscar
probabilidades de que un evento ocurra, o en el caso del mercado burstil, determinar
entre que rango de precios puede moverse un determinado activo, y determinar que tipo
de activos pueden ser mas voltiles que otros.
Los operadores del mercado estn interesados en la direccin del precio de un activo y
en la velocidad de los movimientos del subyacente para determinar que tan riesgoso o
vlatil puede llegar a ser un activo. Los mercados cuyos precios se mueven lentamente
son mercados de baja volatilidad, los mercados cuyos precios se mueven a alta
velocidad son mercados de alta volatilidad.
Existen varias maneras de estimar la volatilidad, y el mundo ideal sera aquel donde se
pueda determinar la volatilidad de todo el conjunto de datos existentes, sin embargo
teniendo en cuenta que se cuentan con recursos (informacin, costos, etc) limitados, la
desviacin estndar se pude tomar sobre un determinado conjunto de datos que se
ajusten a nuestros requerimientos, mediante la siguiente frmula:

Donde
xi= dato i que esta entre (o, n)
x= promedio de los datos
n= numero datos
Cmo se interpreta y se analiza?
Ya dijimos que los operadores y los inversores estaran muy interesados en saber cual
puede ser la direccin del precio, y tambin poder determinar un rango de precios en el
cual el activo pueda moverse. Veamos entonces un ejemplo de cmo calcular la
desviacin y su interpretacin:
Si definimos la desviacin como una medida de la variacin de los precios, esta
medida se basar en los cambios porcentuales que sufren los mismos. Sin embargo
existen dos formas de calcular estos cambios porcentuales:

La manera correcta de tomar el % es en cambios logartmicos, ya que es una manera de

interpretar que los precios no pueden tomar valores negativos, y por lo tanto considera
mayores los movimientos al alza que los movimientos a la baja.
Lo importante no es saber cmo se calcula cada uno de estos parmetros, lo que
importa es la interpretacin, ms concretamente, qu sugieren la media y la desviacin
estndar en trminos de probabilidad del movimiento del precio.

En nuestro ejemplo la media nos indica un promedio de resultados. Si sumamos todos

los resultados y los dividimos entre el nmero de datos, nos da un promedio de
-0.4741% es decir, el retorno promedio de resultados en estos das fue -0.4741%
Si calculamos la desviacin de acuerdo a la frmula presentada anteriormente nos da
que la Desviacin Estndar o volatilidad es 1.13%, hay que tener en cuenta que los
datos tomados son datos diarios, por lo tanto el dato obtenido es de una volatilidad
diaria de 1.3%.
Esto nos quiere decir que si el precio del activo cotiza a $158, el precio de este activo
puede moverse hacia arriba o hacia abajo::
$158,1 x 1,129677% = 1,786019166 diario
Grficamente se puede representar de la siguiente manera

Este simple numerito aunque nos dice una aproximacion del movimiento, nos puede
resultar til para interpretarlo en trminos de probabilidad, es decir cul es la
probabilidad de que el activo cotice a determinado precio, pero este tema lo trataremos
en la segunda parte de este articulo.
La Desviacin Estndar

La desviacin estndar es un ndice numrico de la dispersin de un conjunto de

datos (o poblacin). Mientras mayor es la desviacin estndar, mayor es la
dispersin de la poblacin. La desviacin estndar es un promedio de las
desviaciones individuales de cada observacin con respecto a la media de una
distribucin. As, la desviacin estndar mide el grado de dispersin o variabilidad.
En primer lugar, midiendo la diferencia entre cada valor del conjunto de datos y la
media del conjunto de datos. Luego, sumando todas estas diferencias individuales
para dar el total de todas las diferencias. Por ltimo, dividiendo el resultado por el
nmero total de observaciones (normalmente representado por la letra n) para
llegar a un promedio de las distancias entre cada observacin individual y la
media. Este promedio de las distancias es la desviacin estndar y de esta
manera representa dispersin.

Matemticamente, la desviacin estndar podra, a primera vista, parecer algo

complicada. Sin embargo, es en realidad un concepto extremadamente simple. En
realidad no importa si usted no sabe calcular con exactitud la desviacin estndar,
siempre y cuando usted comprenda claramente el concepto.
La desviacin estndar es un indicador en extremo valioso con muchas
aplicaciones. Por ejemplo, los estadsticos saben que cuando un conjunto de datos
se distribuye de manera normal, el 68% de las observaciones de la distribucin
tiene un valor que se encuentra a menos de una desviacin estndar de la media.
Tambin saben que el 96% de todas las observaciones tiene un valor no es mayor
a la media ms o menos dos desviaciones estndar (la Figura 18 grafica esta
informacin).

La desviacin estndar de una poblacin es normalmente representada por la letra

griega (sigma), cuando se calcula sobre la base de toda la poblacin; por la letra s
(minscula) cuando se infiere de una muestra; y por la letra S (mayscula) cuando
simplemente corresponde a la desviacin estndar de una muestra. La frmula de la
desviacin estndar es
, donde
representa la suma de las
diferencias al cuadrado entre cada observacin y la media y N representa el nmero
total de observaciones. La aparente complicacin de la frmula surge del hecho de
que al restar la media a los valores de cada observacin individual para calcular las
diferencias ( ), los valores de las observaciones que estn bajo la media producirn
diferencias negativas, mientras que los valores de las observaciones que son mayores
que la media proporcionarn valores positivos. As, las diferencias positivas y
negativas se compensarn entre s y, en el caso de una distribucin simtrica,
producirn una suma igual a cero para la suma de las desviaciones individuales.
Para evitar este problema, las desviaciones se elevan al cuadrado, de modo que todas
las desviaciones sean positivas y se puedan sumar. Despus, se calcula la raz
cuadrada para compensar, por decirlo as, la elevacin al cuadrado anterior de los
valores. Cuando no se incluye la raz cuadrada, el resultado es otro famoso indicador
de dispersin conocido como la varianza.

Los mejores cursos GRATIS

Ver TODOS los 1353 cursos GRATIS
Participa en el Foro
Destacamos
Sguenos en nuestro Twitter: @AulaFacil [<<] [||] [>>]

Bsqueda personalizada
Inicio Cursos Ciencia Estadsticas Estadsticas Coeficiente de
correlacin lineal

Curso gratis de Estadsticas

Compartir
en Facebook

Compartir
en Twitter


Enviar
amigo

Reportar
Error

Imprimir
artculo

Leccin 12 ndice

< Anterior

10

11

12

13

14

15

16

Siguiente >

Coeficiente de correlacin lineal

En una distribucin bidimensional puede ocurrir que las dos variables guarden algn
tipo de relacin entre si.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase
es muy posible que exista relacin entre ambas variables: mientras ms alto
sea el alumno, mayor ser su peso.

El coeficiente de correlacin lineal mide el grado de intensidad de esta posible

relacin entre las variables. Este coeficiente se aplica cuando la relacin que puede
existir entre las variables es lineal (es decir, si representramos en un grfico los pares
de valores de las dos variables la nube de puntos se aproximara a una recta).

No obstante, puede que exista una relacin que no sea lineal, sino exponencial,
parablica, etc. En estos casos, el coeficiente de correlacin lineal medira mal la
intensidad de la relacin las variables, por lo que convendra utilizar otro tipo de
coeficiente ms apropiado.
Para ver, por tanto, si se puede utilizar el coeficiente de correlacin lineal, lo mejor es
representar los pares de valores en un grfico y ver que forma describen.
El coeficiente de correlacin lineal se calcula aplicando la siguiente frmula:

Es decir:
Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par
de valores (x,y) se multiplica la "x" menos su media, por la "y" menos su media. Se
suma el resultado obtenido de todos los pares de valores y este resultado se divide por el
tamao de la muestra.
Denominador se calcula el producto de las varianzas de "x" y de "y", y a este producto
se le calcula la raz cuadrada.
Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1

Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube el de la
otra). La correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo: altura y peso: los alumnos ms altos suelen pesar ms.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable disminuye
el de la otra). La correlacin negativa es tanto ms fuerte cuanto ms se aproxime a -1.
Por ejemplo: peso y velocidad: los alumnos ms gordos suelen correr menos.
Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir otro
tipo de correlacin (parablica, exponencial, etc.)
De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto quiere
decir obligatoriamente que existe una relacin de causa-efecto entre las dos variables,
ya que este resultado podra haberse debido al puro azar.
Ejemplo: vamos a calcular el coeficiente de correlacin de la siguiente serie de datos de
altura y peso de los alumnos de una clase:

Alumno

Estat Pes
Estat Pes
Estat Pes
Alumno
Alumno
ura
o
ura
o
ura
o

Alumno
1

1,25

32

Alumno
11

1,25

33

Alumno
21

1,25

33

Alumno
2

1,28

33

Alumno
12

1,28

35

Alumno
22

1,28

34

Alumno
3

1,27

34

Alumno
13

1,27

34

Alumno
23

1,27

34

Alumno
4

1,21

30

Alumno
14

1,21

30

Alumno
24

1,21

31

Alumno
5

1,22

32

Alumno
15

1,22

33

Alumno
25

1,22

32

Alumno
6

1,29

35

Alumno
16

1,29

34

Alumno
26

1,29

34

Alumno
7

1,30

34

Alumno
17

1,30

35

Alumno
27

1,30

34

Alumno
8

1,24

32

Alumno
18

1,24

32

Alumno
28

1,24

31

Alumno
9

1,27

32

Alumno
19

1,27

33

Alumno
29

1,27

35

Alumno
10

1,29

35

Alumno
20

1,29

33

Alumno
30

1,29

34

Aplicamos la frmula:
(1/30) * (0,826)
r =----------------------------------------------------------(((1/30)*(0,02568)) * ((1/30)*(51,366)))^(1/2)
Interpretacin:
**Si r < 0 Hay correlacin negativa : las dos variables se correlacionan en sentido
inverso.A valores altos de una de ellas le suelen corresponder valor bajos de la otra y
viceversa.Cunto ms prximo a -1 est el coeficiente de correlacin ms patente ser
esta covariacin extrema.Si r= -1 hablaremos de correlacin negativa perfecta lo que
supone una determinacin absoluta entre las dos variables ( en sentido inverso): Existe
una relacin funcional perfecta entre ambas(una relacin lineal de pendiente negativa).
** Si r > 0 Hay correlacin positiva: las dos variables se correlacionan en sentido
directo.A valores altos de una le corresponden valores altos de la otra e igualmente con
los valores bajos.Cunto ms prximo a +1 est el coeficiente de correlacin ms
patente ser esta covariacin.Si r = 1 hablaremos de correlacin positiva perfecta lo
que supone una determinacin absoluta entre las dos variables (en sentido
directo):Existe una relacin lineal perfecta ( con pendiente positiva).
** Si r = 0 se dice que las variables estn incorrelacionadas: no puede establecerse
ningn sentido de covariacin.
Propiedad importante: Si dos variables son independientes estarn incorrelacionadas
aunque el resultado recproco no es necesariamente cierto. Matriz de correlaciones
ir a anlsis multidimensional