ASIMETRA

Esta 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 comoasimetra negativa cuando la
mayor cantidad de datos se aglomeran en los valores menores que la
media.

Figura 5-1

El Coeficiente de asimetra, se representa mediante la ecuacin

matemtica,

Ecuacin 5-9

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.

Desde luego entre mayor sea el nmero (Positivo o Negativo), mayor

ser la distancia que separa la aglomeracin de los valores con
respecto a la media.

CURTOSIS
En teora de la probabilidad y estadstica, la curtosis es una medida
de la forma. As, las medidas de curtosis tratan de estudiar la
proporcin de la varianza que se explica por la combinacin de datos
extremos respecto a la media en contraposicin con datos poco
alejados de la misma. Una mayor curtosis implica una mayor
concentracin de datos muy cerca de la media de la distribucin
coexistiendo al mismo tiempo con una relativamente elevada
frecuencia de datos muy alejados de la misma. Esto explica una
forma de la distribucin de frecuencias con colas muy elevadas y un
con un centro muy apuntado.

DEFINICIN DE CURTOSIS
El coeficiente de apuntamiento de uso ms extendido es el basado en
el cuarto momento con respecto a la media y se define como:

donde
es el 4 momento centrado o con respecto a la media y
es la desviacin estndar.
En ocasiones se emplea esta otra definicin del coeficiente de
curtosis:

donde al final se ha sustraido 3 (que es la curtosis de la Normal) con

objeto de generar un coeficiente que valga 0 para la Normal y tome a
sta como referencia de apuntamiento:
Tomando, pues, la distribucin normal como referencia, una
distribucin puede ser:

ms apuntada y con colas ms anchas que la normal

leptocrtica.

menos apuntada y con colas menos anchas que la normalplaticrtica.

la distribucin normal es mesocrtica.

En la distribucin normal se verifica que

momento de orden 4 respecto a la media y

, donde
es el
la desviacin tpica.

As tendremos que:

Si la distribucin es leptocrtica

Si la distribucin es platicrtica

Si la distribucin es mesocrtica

y
y
y

MEDIDA BASADA EN CUARTILES Y PERCENTILES

(letra griega minscula kappa) = Coeficiente percentil de

curtosis
Nota:

Si < 0,263 ? la distribucin es platicrtica

Si = 0,263 ? la distribucin es normal o mesocrtica
Si > 0,263 ? la distribucin es leptocrtica