Variacion

Varianza y desviación estándar

La desviación sólo significa qué tan lejos de lo normal

Desviación estándar

La desviación estándar (σ) mide cuánto se separan los datos.

La fórmula es fácil: es la raíz cuadrada de la varianza. Así que, "¿qué es la varianza?"

Varianza

la varianza (que es el cuadrado de la desviación estándar: σ2) se define así:

Es la media de las diferencias con la media elevadas al cuadrado.

En otras palabras, sigue estos pasos:

1. Calcula la media (el promedio de los números)

2. Ahora, por cada número resta la media y eleva el resultado al cuadrado (la diferencia elevada al cuadrado).

3. Ahora calcula la media de esas diferencias al cuadrado. (¿Por qué al cuadrado?)

Ejemplo

Tú y tus amigos habéis medido las alturas de vuestros perros (en milímetros):

Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y 300mm.

Calcula la media, la varianza y la desviación estándar.

Respuesta:

Media = 600 + 470 + 170 + 430 + 300 = 1970 = 394

5 5

así que la altura media es 394 mm. Vamos a dibujar esto en el gráfico:

Ahora calculamos la diferencia de cada altura con la media:

Para calcular la varianza, toma cada diferencia, elévala al cuadrado, y haz la media:

Varianza: σ2 = 2062 + 762 + (-224)2 + 362 + (-94)2 = 108,520 = 21,704

5 5

Así que la varianza es 21,704.

Y la desviación estándar es la raíz de la varianza, así que:

Desviación estándar: σ = √21,704 = 147

y lo bueno de la desviación estándar es que es útil: ahora veremos qué alturas están a distancia menos de la desviación estándar (147mm) de la media:

Así que usando la desviación estándar tenemos una manera "estándar" de saber qué es normal, o extra grande o extra pequeño.

Los Rottweilers son perros grandes. Y los Dachsunds son un poco menudos... ¡pero que no se enteren!

*Nota: ¿por qué al cuadrado?

Elevar cada diferencia al cuadrado hace que todos los números sean positivos (para evitar que los números negativos reduzcan la varianza)

Y también hacen que las diferencias grandes se destaquen. Por ejemplo 1002=10,000 es mucho más grande que 502=2,500.

Pero elevarlas al cuadrado hace que la respuesta sea muy grande, así que lo deshacemos (con la raíz cuadrada) y así la desviación estándar es mucho más útil.

Para muchos la palabra desviación estándar puede sonar desconocida y no la habrán oído nombrar a menos que hayan asistido a una clase de estadística.

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 desviación estándar sino que esta última palabra es usada en estricto sentido matemático

Que es desviación estándar?

Justamente la desviación Estándar, en un conjunto de datos (precios en el caso del mercado de valores) es una medida de dispersión, que nos indica cuánto pueden alejarse los valores respecto al promedio (media), por lo tanto es útil para buscar probabilidades de que un evento ocurra, o en el caso del mercado bursátil, determinar entre que rango de precios puede moverse un determinado activo, y determinar que tipo de activos pueden ser mas volátiles que otros.

Los operadores del mercado están interesados en la dirección del precio de un activo y en la velocidad de los movimientos del subyacente para determinar que tan riesgoso o vólatil 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 sería aquel donde se pueda determinar la volatilidad de todo el conjunto de datos existentes, sin embargo teniendo en cuenta que se cuentan con recursos (información, costos, etc) limitados, la desviación estándar se pude tomar sobre un determinado conjunto de datos que se ajusten a nuestros requerimientos, mediante la siguiente fórmula:

Donde

xi= dato i que esta entre (o, n)

x= promedio de los datos

n= numero datos

Cómo se interpreta y se analiza?

Ya dijimos que los operadores y los inversores estarían muy interesados en saber cual puede ser la dirección del precio, y también poder determinar un rango de precios en el cual el activo pueda moverse. Veamos entonces un ejemplo de cómo calcular la desviación y su interpretación:

Si definimos la desviación como una medida de la variación de los precios, esta medida se basará en los cambios porcentuales que sufren los mismos. Sin embargo existen dos formas de calcular estos cambios porcentuales:

Para muchos la palabra desviación estándar puede sonar desconocida y no la habrán oído nombrar a menos que hayan asistido a una clase de estadística.

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 desviación estándar sino que esta última palabra es usada en estricto sentido matemático

Que es desviación estándar?

Justamente la desviación Estándar, en un conjunto de datos (precios en el caso del mercado de valores) es una medida de dispersión, que nos indica cuánto pueden alejarse los valores respecto al promedio (media), por lo tanto es útil para buscar probabilidades de que un evento ocurra, o en el caso del mercado bursátil, determinar entre que rango de precios puede moverse un determinado activo, y determinar que tipo de activos pueden ser mas volátiles que otros.

Los operadores del mercado están interesados en la dirección del precio de un activo y en la velocidad de los movimientos del subyacente para determinar que tan riesgoso o vólatil 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 sería aquel donde se pueda determinar la volatilidad de todo el conjunto de datos existentes, sin embargo teniendo en cuenta que se cuentan con recursos (información, costos, etc) limitados,

...