Qu es Simetra? La simetra es cuando su mediana, su moda y su media aritmtica coinciden. Qu es Asimetra?

Es la medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media aritmtica). La asimetra presenta tres estados diferentes [Fig.5-1], cada uno de los cuales define de forma concisa como estn distribuidos los datos respecto al eje de asimetra. Se dice que la asimetra es positiva cuando la mayora de los datos se encuentran por encima del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce como asimetra negativa cuando la mayor cantidad de datos se aglomeran en los valores menores que la media.

El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,

Donde (g1) representa el coeficiente de asimetra de Fisher, (Xi) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta ecuacin se interpretan:

(g1 = 0): Se acepta que la distribucin es Simtrica, es decir, existe aproximadamente la misma cantidad de valores a los dos lados de la media. Este valor es difcil de conseguir por lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos ( 0.5). (g1 > 0): La curva es asimtricamente positiva por lo que los valores se tienden a reunir ms en la parte izquierda que en la derecha de la media. (g1 < 0): La curva es asimtricamente negativa por lo que los valores se tienden a reunir ms en la parte derecha de la media.

Primer coeficiente de sesgo de Pearson:

= media aritmtica; Mo= Moda; Sx= Desviacin tpica.

En este coeficiente de asimetra si: a) A=0, la distribucin es simtrica. b) A>0, las distribucin es asimtrica a la derecha, positiva. c) A<0, la distribucin es asimtrica a la izquierda, negativa. Para evitar el empleo de la moda Pearson comprob empricamente que:

Lo que dio lugar al segundo coeficiente de sesgo de Pearson:

Curtosis o Medidas de Apuntamiento La palabra curto viene del latn curtus, que significa corto o menguado. Se utiliza la palabra Curtosis para denominar a las medidas de forma que miden el apuntamiento o el achatamiento de las distribuciones campaniformes que son unimodales y ligeramente asimtricas. Estas medidas estudian la concentracin de los diversos valores de la variable en la zona de la media. Cuanto mayor sea la concentracin en la zona central, mayor ser su apuntamiento, y por el contrario, si la concentracin en esta zona central es baja, se dir que la curva es curta o achatada. Para poder discernir si una curva es achatada o alargada se toma como distribucin referencia la Distribucin normal, que viene dada por la expresin:

y son los valores de la media y la varianza.

Las distribuciones campaniformes adoptan las siguientes denominaciones se gun su grado de apuntamiento o Curtosis: Mesocrtica: Tiene el mismo apuntamiento que la distribucin Normal. Leptocrtica: Mas apuntada que la Normal. Platicrtica: Ms achatada que la Normal. Interpretacin: >0 Leptocrtica =0 Mesocrtica <0 Platicrtica

Qu es momento de una Variable? Los momentos de una distribucin son medidas obtenidas a partir de todos sus datos y de sus frecuencias absolutas. Estas medidas caracterizan de tal forma a las distribuciones que si los momentos de dos distribuciones son iguales, diremos que las distribuciones son iguales. Podemos decir que dos distribuciones son ms semejantes cuanto mayor sea el nmero de sus momentos que coinciden. Se define el momento de orden h respecto al origen de una variable estadstica como:

Es inmediato observar que, para h=1, a1 es la media de la distribucin. Los primeros momentos con respecto al origen son:

Se c =

se llama momento con respecto de la media o momento central:

Los primeros momentos respecto a la media son

Coeficiente momento Sesgo:

m3 a3 3 S

f x
k i1 i

ns3

Coeficiente momento de sesgo =0

Sesgo

No hay sesgo. distribucin insesgada

La es

>0

La distribucin tiene sesgo positivo o a la derecha. La distribucin tiene sesgo negativo o a la izquierda.

<0

Coeficiente momento de Curtosis. El Coeficiente de Curtosis analiza el grado de concentracin que presentan los valores alrededor de la zona central de la distribucin. El Coeficiente de Curtosis viene definido por la siguiente frmula:

Datos No Agrupados:

a4

m4 S4

x
n i 1

ns 3

Datos Agrupados Coeficiente Curtosis momento de curtosis

a4

m4 S4

f x
k i1 i

ns 4

=3

La distribucin es Mesocrtica.

>3

La distribucin es Leptocrtica. La distribucin es Platicrtica.

<3

Los resultados pueden ser los siguientes: g2 = 0 (distribucin Mesocrtica). g2 > 0 (distribucin Leptocrtica). g2 < 0 (distribucin Platicrtica).

Aplicacin: Vamos a calcular el Coeficiente de Curtosis de la serie de datos referidos a la estatura de un grupo de alumnos (leccin 2): Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 Frecuencias absolutas Frecuencias relativas Simple Acumulada Simple Acumulada x x x x 1 1 3,3% 3,3% 4 5 13,3% 16,6% 4 9 13,3% 30,0% 2 11 6,6% 36,6% 1 12 3,3% 40,0% 2 14 6,6% 46,6% 3 17 10,0% 56,6% 3 20 10,0% 66,6% 4 24 13,3% 80,0% 3 27 10,0% 90,0% 3 30 10,0% 100,0%

Recordemos que la media de esta muestra es 1,253 S((xi - xm)^4)*ni x 0,00004967 Luego: (1/30) * 0,00004967 ------------------------------------------------- - =1,39 g2 = 3 ((1/30) * (0,03046667))^2 Por lo tanto, el Coeficiente de Curtosis de esta muestra -1,39, lo que quiere decir que se trata de una distribucin Platicrtica, es decir, con una reducida concentracin alrededor de los valores centrales de la distribucin. x 0,03046667 S((xi - xm)^2)*ni