Dos columnas pueden tener el mismo centro y comportarse de forma muy distinta. La dispersión mide lo lejos que quedan los valores del centro:
- La desviación estándar (DE) es la distancia típica a la media, en las unidades de la columna. Para una muestra se divide entre n - 1, no entre n.
.std() de pandas lo hace de forma predeterminada; np.std() divide entre n salvo que pases ddof=1.
- La varianza es la DE al cuadrado, en unidades al cuadrado, y por eso se suele dar la DE.
- El rango intercuartílico (RIC) es la distancia entre los percentiles 25 y 75: la mitad central de los datos. Los valores atípicos apenas lo mueven.
- El coeficiente de variación divide la DE entre la media, para comparar la dispersión de cosas con escalas distintas.
Usa la DE con datos más o menos simétricos y el RIC con datos asimétricos y con valores atípicos.
La DE de la muestra y el RIC.