Cómo calcular el coeficiente de variación en R

Actualizado por ultima vez el 8 de septiembre de 2022, por Dereck Amesquita.

Un coeficiente de variación , a menudo abreviado como CV , es una forma de medir qué tan dispersos están los valores en un conjunto de datos en relación con la media. Se calcula como:

CV = σ / μ

dónde:

  • σ: la desviación estándar del conjunto de datos
  • μ: la media del conjunto de datos

En términos sencillos, el coeficiente de variación es simplemente la relación entre la desviación estándar y la media.

Cuándo usar el coeficiente de variación

El coeficiente de variación se usa a menudo para comparar la variación entre dos conjuntos de datos diferentes.

En el mundo real, a menudo se usa en finanzas para comparar el rendimiento promedio esperado de una inversión en relación con la desviación estándar esperada de la inversión. Esto permite a los inversores comparar la relación riesgo-rendimiento entre inversiones.

Por ejemplo, suponga que un inversionista está considerando invertir en los siguientes dos fondos mutuos:

Fondo de inversión A: media = 9%, desviación estándar = 12,4%

Fondo de inversión B: media = 5%, desviación estándar = 8,2%

Al calcular el coeficiente de variación de cada fondo, el inversor encuentra:

CV para Fondo Mutuo A = 12,4% / 9% = 1,38

CV para Fondo Mutuo B = 8.2% / 5% = 1.64

Dado que el fondo mutuo A tiene un coeficiente de variación más bajo, ofrece un mejor rendimiento medio en relación con la desviación estándar.

Cómo calcular el coeficiente de variación en R

Para calcular el coeficiente de variación de un conjunto de datos en R, puede utilizar la siguiente sintaxis:

cv <- sd(datos) / media(datos) * 100

Los siguientes ejemplos muestran cómo utilizar esta sintaxis en la práctica.

HOLA, estas en Statologos la enciclopedia más grande de estadística aplicada en español, no olvides que tienes un potente buscador de información en el menú utilizalo sabiamente 😉

Ejemplo 1: coeficiente de variación para un solo vector

El siguiente código muestra cómo calcular CV para un solo vector:

# Crear vector de datos
 datos <- c (45, 32, 22, 17, 55, 37)

# Calcular CV
 cv <- sd(datos) / mean(datos) * 100

# Ver CV
 cv

[1] 40.90

El coeficiente de variación resulta ser 40.90. Es decir, los datos se encuentran un 40.90% desviados de su media .

Ejemplo 2: coeficiente de variación para varios vectores

El siguiente código muestra cómo calcular el CV para varios vectores en un marco de datos usando la función sapply () :

# Creamos data frame
 data <- data.frame (a = c (88, 85, 82, 97, 67, 77, 74, 86, 81, 95),
                   b = c (77, 88, 85, 76, 81, 82, 88, 91, 92, 99),
                   c = c (67, 68, 68, 74, 74, 76, 76, 77, 78, 84))

#calcular CV para cada columna en el marco de datos
 sapply (data, function (x) sd (x) / mean (x) * 100 )

A         B        C 
11.012892 8.330843 7.154009

Asegúrese de usar na.rm = T si también faltan valores en sus datos. Esto le dice a R que simplemente ignore los valores perdidos al calcular el coeficiente de variación:

#create data frame
 datos <- data.frame (a = c (88, 85, 82, 97, 67, 77, 74, 86, 81, 95),
                   b = c (77, 88, 85, 76, 81, 82, 88, 91, NA , 99),
                   c = c (67, 68, 68, 74, 74, 76, 76, 77, 78, NA ))

#calcular CV para cada columna en el marco de datos
 sapply (datos, function (x) sd (x, na.rm = T ) / mean (x, na.rm = T ) * 100 )

A         B        C 
11.012892 8.497612 5.860924

Recursos adicionales

Cómo calcular la desviación absoluta mediana en R
Cómo calcular la desviación estándar en R
Cómo encontrar el rango en R

  • https://r-project.org
  • https://www.python.org/
  • https://www.stata.com/

I’m a Bachelor of Economics gratuaded from the National University of San Agustin. I have experience in Python, R and other languages with aplications in Finance or Econometrics, I also have knowledge of statistics and econometrics. If you need help on some issues you can write to me.

Deja un comentario

La función glm () en R se puede utilizar para ajustar modelos lineales generalizados. Esta función es particularmente útil para…
statologos comunidad-2

You have Successfully Subscribed!