P. 1
Asimetria_y_Curtosis

Asimetria_y_Curtosis

|Views: 1.466|Likes:
Publicado porJuanjo Monroy

More info:

Published by: Juanjo Monroy on Aug 27, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/14/2013

pdf

text

original

ESTADÍSTICA I

Gilma Sabina Lizama

ASIMETRIA Y CURTOSIS

Las medidas de forma de una distribución se pueden clasificar en dos grandes grupos o bloques: medidas de asimetría y medidas de curtosis.

ASIMETRÍA: Es una expresión de la forma de la distribución, para saber si los valores de la variable se concentran en una determinada zona del recorrido de la variable. Cuando al trazar una vertical, en el diagrama de barras o histograma, de una variable, según sea esta discreta o continua, por el valor de la media, esta vertical se transforma en eje de simetría, decimos que la distribución es simétrica cuando a ambos lados de la media aritmética haya el mismo número de valores de la variable, equidistantes de dicha media dos a dos, y tales que cada par de valores equidistantes tiene la misma frecuencia absoluta. En caso contrario, dicha distribución será asimétrica o diremos que presenta asimetría. Cuando tenemos una tabla de frecuencias, y las graficamos en un histograma por ejemplo, la asimetría se refiere a si la curva que forman los valores de la serie presenta la misma forma a izquierda y derecha de un valor central (la media). Para medir el nivel de asimetría se utiliza el llamado Coeficiente de Asimetría. Los resultados pueden ser los siguientes: g1= 0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda de la media) g1 > 0 (distribución asimétrica positiva; existe mayor concentración de valores a la derecha de la media que a su izquierda) g1 < 0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha)
1

ESTADÍSTICA I Gilma Sabina Lizama SIMÉTRICA ASIMÉTRICA A DERECHA ASIMÉTRICA A IZQUIERDA SIMÉTRICA ASIMÉTRICA A DERECHA ASIMÉTRICA A IZQUIERDA Distribución simétrica Distribución con sesgo positivo Distribución con sesgo negativo Para calcular la asimetría. es utilizar el llamado coeficiente de FISHER que representaremos como g matemática: 1 1 y responderá a la siguiente expresión g1 1 * n Xi S3 X 3 1 El coeficiente de asimetría de Fisher es el más utilizado 2 . una posibilidad.

Si g 1 < 0  distribución será asimétrica negativa o a izquierdas la (desplazada hacia la izquierda). a izquierdas o negativa. o simétrica.ESTADÍSTICA I Gilma Sabina Lizama Según sea el valor de g . o sea: Si g >0 la distribución será asimétrica positiva o a derechas 1 (desplazada hacia la derecha). Si g1 = 0  distribución será simétrica. diremos que la distribución es asimétrica a derechas 1 o positiva. la g1<0 g1=0 g1>0 3 .

Además del anterior existe otra forma de calcular la asimietría. las cuales fueron: X 22 . casi no lo utilizaremos ya que solo es cierto cuando la distribución tiene las siguientes condiciones: Unimodal (una sola moda) Campaniforme (distribución simétrica o ligeramente asimetrica). se calcularon las medidas de tendencia central y dispersión para la variable edad de los alumnos.28 Con estos datos.9146 4 . otra de las cuales es por medio del coeficiente de asimetría de PEARSON la siguiente expresión. usando la siguiente expresión: CA (3 Media Mediana ) EstándarDesviación Ejemplo: De la base de datos que poseen en excel. el cual responde a Ap X S Mo Aunque en la práctica este coeficiente sería más fácil de calcular que el anterior.28 0. Md 21 . al calcular el coeficiente de asimetría de Pearson tenemos: Ap 22 20 3. (Ap). Mo 20 . S 3.ESTADÍSTICA I Gilma Sabina Lizama Existen otras posibilidades de calcular la asimetría.28 0.6097 CA (3 Media Mediana ) EstándarDesviación Al calcularlo con la expresión Tenemos: CA (3 21) 22 3.

6279 11.9 S 27.ESTADÍSTICA I Gilma Sabina Lizama Apartir de estos resultados.612.6670 -979.5 353.961.3 338.4 338.1466 -1.6998 11.4196 -131.6584 6. Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total X 315.65 0. CA (3 .65 Remesas (millones de $) 275.454.9068 10.3548 5 .702703525 Ejemplo: Calcular el coeficiente de asimetría para la serie de datos correspondiente a las remesas familiares que ingresaron a El Salvador durante el año 2008.5 (Xi X )3 -64626.467. el coeficiente asimetría resulta ser 1.3532 -105. diríamos que el conjunto de datos correspondiente a las edades de los alumnos de Estadística I posee un sesgo positivo.7 304.460.9) 315 27.8808 En este caso no hay moda.63 . es decir.5 298.8539 53.4 332.708.0302 -5204.7 304.881.805.328.3 264.7513 -1. asimetría hacia la derecha.8 337. por lo tanto no se puede aplicar la fórmula del coeficiente de asimetría de Pearson. Utilizando la fórmula de excel.1 305.9131 4.63 318. Md 318.4 334.305.

Calculado utilizando las fórmulas de excel resulta ser: -0.ESTADÍSTICA I Gilma Sabina Lizama Utilizando la Fórmula de Fisher: g1 1 * n Xi S3 X 3 = -0. asimetría hacia la izquierda. posee un sesgo negativo. es decir.54585394 6 .4167 La serie de datos correspondiente a los ingresos en concepto de remesas familiares que ingresaron a El Salvador durante el año 2008.

El Coeficiente de Curtosis analiza el grado de concentración que presentan los valores alrededor de la zona central de la distribución. < 7 . Para calcularlo utilizaremos la expresión: g2 1 * n Xi S4 X 4 3 Los resultados pueden ser los siguientes: Si g2 0 la distribución será leptocúrtica o apuntada > Si g2 0 la distribución será mesocúrtica o normal = Si g2 0 la distribución será platicúrtica o menos apuntada que lo normal. Distribución leptocúrtica: presenta un elevado grado de concentración alrededor de los valores centrales de la variable. que indicará si la distribución es muy apuntada (concentración de los datos en torno a la media) o poco apuntada (dispersión de los datos en torno a la media). Distribución platicúrtica: presenta un reducido grado de concentración alrededor de los valores centrales de la variable.ESTADÍSTICA I Gilma Sabina Lizama CURTOSIS: Es una medida del apuntamiento (o achatamiento) en la distribución de los datos. Se definen 3 tipos de distribuciones según su grado de curtosis: Distribución mesocúrtica: presenta un grado de concentración medio alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).

5 (Xi X )4 2593442.148034 273567.4758688 9722.1 305.4 338.92455 12403528.4 334.3 338.598762 2035110.5 298.4 332.65 8 Remesas (millones de $) 275.379506 73582.23901 124124.92630401 14271.5744872 6675448.8 337.3 264.63 S 27.5 353.59181 90197.862332 16478.ESTADÍSTICA I Gilma Sabina Lizama Distribución Leptocúrtica Distribcuón Mesocúrtica Distribución Platicúrtica Ejemplo: Calcular el coeficiente de curtosis para la serie de datos correspondiente a las remesas familiares que ingresaron a El Salvador durante el año 2008.4481752 268814.7 304.7 304.5008 . Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total X 315.33198 228767.

ESTADÍSTICA I Gilma Sabina Lizama g2 1 * n Xi S4 X 4 3 1 *12403528. 9 .5008 = 12 3 (27.65) 4 1. decimos que la distribución es platicúrtica o menos apuntada que lo normal.23 Como g 2 0 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->