Pg.

22
M E D I D A S D E F O R M A
Una vez iniciado el anlisis estadstico de sinterizacin de la informacin, para lo cual hemos
estudiado las medidas de posicin y dispersin de la distribucin de una variable, necesitamos conocer
ms sobre el comportamiento de la misma. No podemos basar nuestras conclusiones nicamente en
expresiones que vengan dadas en trminos de medidas de posicin y dispersin. Si bien intentamos
globalizar el comportamiento del colectivo que sea objeto de nuestro estudio, para lo cual las medidas de
posicin son nuestro mejor instrumento, no debemos proceder a una interpretacin que implique un
comportamiento de todos los elementos del colectivo uniformemente constante e igual a la medida de
posicin en cuestin con un error dado por la correspondiente medida de dispersin. Este error o
disparidad se hace ms ostensible al analizar la representacin grfica de la distribucin. Pues bien, las
medidas de forma de una distribucin se basan en su representacin grafica, sin llegar a realizar la misma.
Las medidas de forma se clasifican en medidas de asimetra y medidas de curtosis o
apuntamiento.
Las medidas de asimetra tienen como finalidad el elaborar un indicador que permita establecer el
grado de simetra (o asimetra) que presenta una distribucin, sin necesidad de llevar a cabo su
representacin grafica.
Supongamos que hemos representado grficamente una distribucin de frecuencias. Si trazamos una
perpendicular al eje de abscisas por x y tomamos esta perpendicular como eje de simetra, diremos que una
distribucin es simtrica si existe el mismo numero de valores a ambos lados de dicho eje, equidistantes de
x dos a dos y tales que cada par de valores equidistantes a x tengan la misma frecuencia. En caso contrario,
las distribuciones sern asimtricas.
Las medidas de curtosis estudian la distribucin de frecuencias en la zona central de la misma. La
mayor o menor concentracin de frecuencias alrededor de la media y en la zona central de la distribucin
dar lugar a una distribucin ms o menos apuntada. Por esta razn a las medidas de curtosis se les llama
tambin de apuntamiento o concentracin central. Las medidas de curtosis se aplican a distribuciones
campaniformes, es decir, un modales simtricas o con ligera asimetra Para estudiar la curtosis de una
distribucin es necesario definir previamente una distribucin tipo, que vamos a tomar como modelo de
referencia. Esta distribucin es la Normal, que corresponde a fenmenos muy corrientes en la naturaleza, y
cuya representacin grafica es una campana de Gauss.
Tomando la normal como referencia, diremos que una distribucin puede ser mas apuntada que la
normal (es decir, leptocurtica) o menos apuntada (es decir, platicrtica).
A la distribucin normal, desde el punto de vista de la curtosis, se le llama mesocrtica.
Pg. 23
Con la curtosis se estudia la deformacin, en sentido vertical, respecto a la normal, de una
distribucin.
A continuacin se definen las medidas de asimetra ms comunes, entre las que destacan las
siguientes:
Coeficiente de asimetra de Fisher: Ahora se intenta buscar una medida que recoja la simetra o
asimetra de una distribucin. Si la distribucin es simtrica, el eje de simetra de su representacin grafica
ser una recta paralela al eje de ordenadas, que pasa por el punto cuya abscisa es la media aritmtica. Por
ello, cuando la distribucin es asimtrica, referiremos los valores de la distribucin a este promedio. Si una
distribucin es simtrica, existe el mismo numero de valores a la derecha que a la izquierda de x , y por
tanto el mismo nmero de desviaciones con signo positivo que con signo negativo, siendo la suma de
desviaciones positivas igual a la suma de las negativas. Podemos partir, pues, de las desviaciones ( ) x x
i

elevadas a una potencia impar para no perder los signos de las desviaciones.
Lo ms sencillo sera tomar como medida de asimetra el promedio de estas desviaciones, elevadas a
la potencia impar ms simple (que es tres), es decir, tomaramos como medida de asimetra el momento de
orden tres centrado en la media. Pero, de hacer esto, esta medida vendra expresada en las mismas unidades
que las de la variable, pero elevadas al cubo, por lo que no es invariante ante un cambio de escala. Para
conseguir un indicador adimensional, debemos dividir la expresin anterior por una cantidad que venga en
sus mismas unidades de medida. Esta cantidad es el cubo de la desviacin tpica, obtenindose as el
coeficiente de asimetra de R. A. Fisher, cuya expresin es:
2 / 3
1
2
1
3
3
3
1
) (
1
) (
1
(

= =

=
=
n
i
i
n
i
i
x x
N
x x
N
m
g

|
|
.
|

\
|


3
) 2 )( 1 ( s
x x
n n
n
i


Si g
1
=0 la distribucin es simtrica, si g
1
>0 la distribucin es asimtrica positiva (a derecha), y si
g
1
< 0 la distribucin es asimtrica negativa (a izquierda). La distribucin es asimtrica a derecha o
positiva cuando la suma de las desviaciones positivas de sus valores respecto de la media es mayor que la
suma de las desviaciones con signo negativo (la grafica de la distribucin tiene mas densidad a la derecha de
la media). En caso contrario, la distribucin es asimtrica a la izquierda o negativa.
Coeficiente de asimetra de Fisher estandarizado: Para N >150 el coeficiente de asimetra es
asintticamente normal de media cero y varianza 6/N. Este hecho nos lleva a considerar el coeficiente de
asimetra estandarizado cuya expresin es:
Pg. 24
N
g
g
s
6
1
=
Este coeficiente es asintticamente normal (0,1).
Coeficiente de asimetra de Pearson: Karl Pearson propuso para distribuciones campaniformes,
unimodales y moderadamente asimtricas el coeficiente definido como

0
M x
Ap

= , donde Mo es la
moda. Como en una distribucin campaniforme simtrica. x = Mo = Md, si la distribucin es asimtrica
positiva o a derecha, x se desplaza a la derecha de la moda, y por tanto, x - Mo > 0. En el caso de
distribucin asimtrica negativa la media se sita por debajo de Mo, por lo que el valor x - Mo < 0. La
desviacin tpica que aparece en el denominador no modifica el signo de la diferencia x - Mo y sirve para
eliminar las unidades de medida de dicha diferencia. As tendremos que si Ap = 0 la distribucin es
simtrica, si Ap > 0 la distribucin es asimtrica positiva y si Ap < 0 la distribucin es asimtrica
negativa.
Tambin Pearson comprob empricamente para este tipo de distribuciones que se cumple
( ) Mo r Md x 3 , (la mediana siempre se sita entre la media y la moda en las distribuciones
moderadamente asimtricas). Por esta razn, algunos autores utilizan como coeficiente de asimetra de
Pearson el valor:
Ap 3( x - Md)/
Coeficiente de asimetra de Bowley: Est basado en la posicin de los cuartiles y la mediana, y
viene dado por la expresin Ab = (Q
3
+ Q
1
- 2Md) / (Q
3
+ Q
1
). Se cumple que si Ab = 0 la distribucin es
simtrica, si Ab > 0 la distribucin es asimtrica positiva y si Ab < 0 la distribucin es asimtrica
negativa. Q
1
y Q
3
son el primer y tercer cuartil respectivamente.
El coeficiente absoluto de asimetra: Est basado tambin en la posicin de los cuartiles y la
mediana, y viene dado por la expresin:
A = [(Q
3
-Q
2
) - (Q
2
Q
1
)] / S = (Q
3
+ Q
1
2Q
2
) / S = Q
3
+ Q
1
- 2Md /S
Si A=0 la distribucin es simtrica, si A >0 la distribucin es asimtrica positiva y si A<0 la distribucin
es asimtrica negativa. Q
1
, Q
2
y Q
3
son los cuartiles de la distribucin.
Una vez presentadas las medidas de asimetra, a continuacin se definen las medidas de curtosis ms
comunes, entre las que destacan las siguientes:
Coeficiente de curtosis: En la distribucin normal se verifica que m
4
= 3
4
siendo m
4
el
momento de orden 4 respecto a la media y la desviacin tpica.
Pg. 25
-5,0 -2,5 0,0 2,5 5,0
Variable
0,0
0,1
0,2
0,3
0,4
F
r
e
c
u
e
n
c
i
a
Distribucin Normal
Si consideramos la expresi6n 3
4
4
2
=

m
g , su valor ser cero para la distribucin normal. Por ello,
como coeficiente de apuntamiento o curtosis se utiliza la expresin:
3
) (
1
) (
1
3
2
1
2
1
4
4
4
2

(

= =

=
=
k
i
i j
k
i
i j
n x x
N
n x x
N m
g

) 3 )( 2 (
) 1 ( 3
) 3 )( 2 )( 1 (
) 1 (
2
4
2

|
|
.
|

\
|


+
=

n n
n
s
x x
n n n
n n
g
i

Una distribucin es:
mesocrtica (apuntamiento igual al de la normal) cuando g
2
= 0,
leptocrtica (apuntamiento mayor que el de la normal) si g
2
> 0,
platicrtica (apuntamiento menor que el de la normal) si g
2
< 0.

El coeficiente de curtosis estandarizado: Para N > 150 el coeficiente de curtosis es
asintticamente normal de media cero y varianza 24/N. Este hecho nos lleva a considerar el coeficiente de
curtosis estandarizado cuya expresin es:
N
g
g
ks
24
2
=
Este coeficiente es asintticamente normal (0,1).

Para comprender grficamente el concepto de Asimetra y Curtosis en una distribucin de datos,
consideremos un caso especial definido por Gauss,
la distribucin Normal tiene la siguiente forma y su
asimetra es cero, se dice que es simtrica respecto
de su media, mediana y moda, adems su curtosis es
cero.
Consideremos cuatro variables diferentes y
en cada una de ellas se observan gran cantidad de
datos, los histogramas de cada distribucin se
muestran a continuacin de la tabla de medidas calculadas, estos histogramas se construyeron con las
frecuencias relativas para poder facilitar la comparacin entre ellos.

Pg. 26
Variable Media Mediana Q1 Q3 Asimetra Curtosis
A -0,07 -0,17 -0,79 0,68 0,04 -0,48
B 1,02 0,42 0,09 1,47 2,95 12,66
C 4,29 3,90 2,18 5,98 0,99 1,44
D 0,62 0,68 -0,06 1,51 -0,44 1,31


















Los siguientes grupos de datos se muestran con su curtosis y su coeficiente de asimetra.
Adems del histograma correspondiente.
CURTOSIS (3;4;5;2;3;4;5;6;4;7) = -0,1518 CURTOSIS (2;3;4;5;6;6;6;7;7;7) = -0,4164
COEF.ASIMETRA (3;4;5;2;3;4;5;6;4;7) = 0,3595 COEF.ASIMETRA (2;3;4;5;6;6;6;7;7;7) = -0,8701









-2,5 -2,1 -1,6 -1,1 -0,7 -0,2 0,3 0,7 1,2 1,7 2,2 2,6
Columna1
0,0
0,1
0,1
0,2
0,2
f
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a
Variable A
Ajuste: Normal(-0,065,1,048)
-0,8 0,8 2,5 4,2 5,9 7,5 9,2 10,9
Columna2
0,0
0,2
0,4
0,6
0,9
f
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a
Variable B
Ajuste: Exponencial(0,985)
-1,0 1,4 3,8 6,2 8,6 11,0 13,4 15,8
Columna3
0,0
0,1
0,2
0,3
0,4
f
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a
Variable C
Ajuste: Weibull(0,070,1,692)
-5,7 -4,3 -3,0 -1,6 -0,3 1,1 2,4 3,8
Columna4
0,0
0,1
0,2
0,3
0,4
f
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a
Variable D
Ajuste: Normal(0,618,1,964)
Histograma
0
0, 5
1
1, 5
2
2, 5
3
3, 5
2 3 4 5 6 7 y mayor . . .
Cl ase
Histograma
0
0, 5
1
1, 5
2
2, 5
3
3, 5
2 3 4 5 6 7 y mayor . . .
Cl ase