Desviación media: comparación de la dispersión entre dos tiendas

Por otro lado, el rango en el caso de la tienda A es de 0.20 y en la tienda B es de 0.32; es una diferencia muy pequena, por lo que la medida de dispersión que se utilizaría para resolver esta situación es la desviación media.

En la siguiente tabla se muestra el valor absoluto de las diferencias de la media y el valor de cada uno de los datos. Se toma el valor absoluto para que estas diferencias sean siempre positivas.

En las columnas \left|\overline{x}-x\right|= lo que se determina es qué tan alejado (desviado) está cada valor de la media, considerándolo como una distancia. Por eso se utiliza un valor absoluto y después se promedian estos desvíos o alejamientos.

\begin{aligned}&\mathrm{Resvic}(\partial\mathrm{n}\mathrm{~mecia}\mathrm{de}\mathrm{la}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\mathrm{t}\

Como se observa, la tienda A tiene menor desviación media, por lo que sus paquetes son más homogéneos; es decir, con base en los paquetes seleccionados al azar, el contenido de dichos paquetes son menos dispersos, a pesar de que en promedio ponen un poco más de café en los paquetes.

Una interpretación del resultado anterior es que el control de calidad de la tienda no es el adecuado, y en consecuencia no está ofreciendo a sus clientes la cantidad de café marcada en la etiqueta.

Conocer y aplicar las medidas de dispersión en diversos contextos, como en los negocios, la salud o el deporte, ayuda a saber si los datos analizados poseen mucha o poca variabilidad; así como a mejorar los procesos o productos que se desarrollen en cada situación.

En la toma de decisiones es conveniente realizar análisis estadisticos en los que intervengan las medidas de tendencia central y de dispersión. Las medidas de tendencia central ayudarán a encontrar al mejor representante posible del conjunto de datos y las medidas de dispersión, a determinar qué tanta variabilidad tiene dicho conjunto de valores.

淞

91