A pesar de la gran importancia de las medidas de tendencia central y de la cantidad de información que aportan individualmente, no hay que dejar de señalar que en muchas ocasiones esa información, no sólo no es completa, sino que puede inducir a errores en su interpretación.
Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Al igual que sucede con cualquier conjunto de datos, la media y la mediana sólo nos revelan una parte de la información que necesitamos acerca de las caracteristicas de los datos. Para aumentar nuestro entendimiento del patrón de los datos. debemos medir también su dispersión, extensión o variabilidad.
La dispersión es importante porque proporciona información adicional que permite juzgar la confiabilidad de la medida de tendencia central. Si los datos se encuentran ampliamente dispersos, la posición central os monos representativa de los datos ya que existen problemas caracteristicos para datos ampliamente dispersos, debemos ser capaces de distinguir que presentan esa dispersión antes de abordar esos problemas.
Datos=c(4.775591, 4.129769, 10.820459, 2.926689, 8.806668, 4.783637, 8.418380, 7.833450, 4.537405, 6.730402, 3.698800, 6.864923, 3.225586, 5.634067, 5.504755, 6.331493, 3.726112, 6.496017, 3.682233, 6.843869, 4.193416, 6.293272, 7.568595, 5.758989, 8.720617, 3.732230, 4.492452, 3.948485, 7.427152, 4.360651, 5.411284, 1.328836, 6.282210, 7.916329, 6.750422, 5.529266, 3.653097, 7.401630, 3.742837, 8.358330)
##Valor promedio
mean(Datos)## [1] 5.71601##Desviacion Estandar
sd(Datos)## [1] 1.999193##numeros de datos
length(Datos)## [1] 40##Varianza
var(Datos)## [1] 3.996771##mediana
median(Datos)## [1] 5.581666