MEDIDAS DE DISTRIBUCION

ASIMETRIA Y CURTOSIS

Dr. EDGAR APAZA ZUIGA

UNIVERSIDAD NACIONAL DEL ALTIPLANO
 MEDIDAS DE DISTRIBUCIN

Las Medidas de Distribucin permiten identificar y

caracterizar la forma en que se separan o aglomeran los
valores de acuerdo a su representacin grfica.

Estas medidas describen la manera de cmo los datos

tienden a agruparse en relacin con la frecuencia con la
que se hallen dentro de la informacin.

La utilidad fundamental de las Medidas de distribucin

radica en la posibilidad de identificar las caractersticas y
discriminar la distribucin sin necesidad de generar el
grfico.
I. ASIMETRIA

Es una expresin de la forma de la distribucin, para

saber si los valores de la variable se concentran en
una determinada zona del recorrido de la variable.

Esta medida nos permite identificar si los datos se

distribuyen de forma uniforme alrededor del punto
central (Media aritmtica). Ms precisamente,
permiten establecer el grado de Simetra que
presenta una distribucin de probabilidad de una
variable aleatoria.
ASIMETRA Presenta tres formas diferentes. Cada
una de ellas define y precisa la manera
de cmo estn distribuidos los datos
respecto al eje de simetra

1. Asimetra positiva. Cuando la cola ms dispersa se extiende

en el lado de los valores altos de la variable con escaza
frecuencia.

2. Simtrica. Si la dispersin es igual o muy similar a ambos

lados, a una distribucin de frecuencias simtrica.

3. Asimetra negativa. La cola ms dispersa se extiende al lado

de los valores ms bajos.
COEFICIENTES DE ASIMETRA:

1. COEFICIENTES DE ASIMETRA DE K. PEARSON:

1.1. PRIMER COEFICIENTE DE ASIMETRA DE PEARSON

1.2. SEGUNDO COEFIENTE DE ASIMETRA DE PEARSON
1.3. TERCER COEFIENTE DE ASIMETRA DE PEARSON

2. COEFICIENTE DE ASIMETRA DE YOULE BOWLEY

3. COEFICIENTES DE ASIMETRA DE R. FISHER

3.1. PARA UNA SERIE SIMPLE DE DATOS

3.2. PARA DATOS DE UNA VARIABLE CUANTITATIVA
DISCRETA AGRUPADOS POR SUS FRECUENCIAS
ABSOLUTAS
3.3. PARA DATOS DE VARIABLES CUANTITATIVAS
CONTINUAS AGRUPADOS EN TABLAS DE
DISTRIBUCIONES DE FRECUENCIAS
 1. COEFICIENTE DE ASIMETRIA DE KARL PEARSON.

3( X X m
)
AS
s
AS Oscila entre -3 a 3
DONDE:
X Media aritmtica
Xm Mediana
s Desviacin estndar de la muestra

A S = 0, La distribucin es simtrica

A S > 0, La distribucin es simtrica positiva

A S < 0, La distribucin es simtrica negativa

2. COEFICIENTE DE ASIMETRIA DE YOULE BOWLEY.

Q1 Q3 2Q 2 DONDE:
AS
Q3 Q1 Q1 Cuartil uno
Q2 Cuartil dos
A S Oscila entre -1 a 1
Q3 Cuartil tres

Si : AS = 0, La distribucin es simtrica

Si : AS > 0, La distribucin es asimtrica positiva

Si : AS < 0, La distribucin es asimtrica negativa

3. COEFICIENTES DE ASIMETRIA DE RONALD FISHER.

LOS COEFICIENTES DE ASIMETRIA MS PRECISOS SON LOS DE FISHER

3.1. PARA DATOS DE UNA SERIE SIMPLE DE

DATOS (DATOS NO AGRUPADOS POR CLASES)
n
3
(Xi X ) * ni
1 i 1
g1 * 3
n S

Xi = Valores de la de la variable
X = Media aritmtica de los valores de la muestra
n i = Frecuencia absoluta de los valores de la variable
n = Nmero total de datos
S = Desviacin estndar de la muestra
 3. COEFICIENTES DE ASIMETRIA DE RONALD FISHER

3.2. PARA DATOS DE UNA VARIABLE

CUANTITATIVA DISCRETA AGRUPADOS POR SUS
FRECUENCIAS ABSOLUTAS

n
1 3
(Xi X ) * ni
n i 1
6n(n 1)
g1 3
e g1
n (n 2 )( n 1)( n 3)
1 2
2
(Xi X ) * ni
n i 1
X i= Valores de la variable
X = Media aritmtica de los valores de la muestra
n i = Frecuencia absoluta de los valores de la variable
n = Nmero total de datos
g1= 0 distribucin simtrica
g1> 0 Distribucin asimtrica positiva
g1< 0 Distribucin asimtrica negativa
3. COEFICIENTES DE ASIMETRIA DE RONALD FISHER.
3.3. PARA DATOS DE VARIABLES CUANTITATIVAS
CONTINUAS AGRUPADOS EN TABLAS DE
DISTRIBUCIONES DE FRECUENCIAS

n
3
( Xi X ) * ni
1 i 1 e g1
6n(n 1)
g1 * 3 (n 2 )( n 1)( n 3)
n S

Xi = Valores de la marca de clase

X = Media aritmtica de los valores de la muestra
n i = Frecuencia absoluta de los valores de la variable
n = Nmero total de datos
3. COEFICIENTES DE ASIMETRIA DE RONALD FISHER.
3.2. PARA DATOS DE VARIABLES CUANTITATIVAS
CONTINUAS AGRUPADOS POR SUS FRECUENCIAS
ABSOLUTAS.

20 21 23 19 19 18 22 20
EJEMPLO. 23 19 22 18 21 23 19 20
20 19 21 21 23 20 19 22
LONGITUD DEL DIAMETRO DE 20 20 23 20 18 20 22 23
19 18 18 19 19 21 22 21
FIBRA EN ALPACAS TUIS DE LA 21 18 19 19 23 22 18 21
RAZA HUCAYO (n = 150) 21 21 22 23 20 22 23 22
21 18 22 20 18 22 18 19
23 21 18 19 19 18 18 21
18 22 22 22 22 21 21 23
19 21 21 23 23 19 21
22 18 18 22 19 19 18
18 21 23 21 22 21 19
21 23 22 20 23 18 20
18 19 23 18 23 19 21
19 21 19 22 22 18 23
19 18 23 23 21 22 22
21 23 18 19 19 23 20
18 18 23 18 22 19 20
19 18 21 18 20 19 23
Error estndar del Coeficiente de
Asimetra de Ronal Fisher
PROCEDIMIENTO DE DETERMINACIN
MEDIANTE EL EXCEL
CONCLUSION:

COMO EL VALOR DEL COEFICIENTE DE

ASIMETRA DE FISHER ES MENOR QUE CERO
(0.042), LA DISTRIBUCIN DE DIMETROS DE
FIBRA EN ALPACAS ES ASIMETRICA NEGATIVA,
ES DECIR QUE EXISTE MAYORES
CONCENTRACIONES DE FRECUENCIAS DE
DIAMETROS DE FIBRA EN LAS UBICACIONES
DE VALORES ALTOS.
II. CURTOSIS

A inicios del siglo XX, Karl Pearson, utiliz por primera vez la
palabra Curtosis en el contexto estadstico para referirse a la
forma de una distribucin de frecuencias. En efecto, la Curtosis
es un parmetro que determina el grado centralizacin que
presentan los valores, en la regin central de la distribucin.

K. Pearson, introdujo los trminos: Platicrtica, Mesocrtica y

Leptocrtica para referirse a curvas de distribuciones de
frecuencias menos, igual o ms achatadas que la curva Normal.
En consecuencia, la Curtosis hace referencia al apuntamiento de
la distribucin en relacin a un estndar que es la distribucin
normal.
CURTOSIS
La Curtosis es una medida de forma, ms precisamente de
apuntamiento de las distribuciones, determina la mayor o menor
concentracin de las frecuencias alrededor de la Media y en la zona
central de la distribucin.

Hace referencia al apuntamiento de la distribucin en relacin a un

Estndar, que es la Distribucin Normal, la que en este caso representa
una distribucin Mesocrtica. Si la distribucin es ms apuntada que
la Normal la distribucin es Leptocrtica; y si es ms achatada esta es
Platicrtica.

La Curtosis es independiente de la Variabilidad. No es cierto que una

distribucin Leptocrtica tenga menos variacin y que por eso es ms
apuntada, contrariamente, la distribucin platicrtica no por el hecho
de ser ms achatada, esta debe ser ms variable.
CURTOSIS
1. Leptocrtica. La distribucin es ms apuntada que la
distribucin normal
2. Mesocrtica. La distribucin es normal
3. Platicrtica. La distribucin es ms achatada que la
distribucin normal

1 2 3
COEFICIENTE DE CURTOSIS.

EXISTEN VARIAS FORMAS DE DETERMINAR ESTE COEFIENTE:

1. COEFICIENTE DE CURTOSIS PERCENTLICO. Este coeficiente

relaciona la desviacin cuartil con el espacio inter percentlico
obtenindose el siguiente coeficiente.

k = 0.263 LA DISTRIBUCIN ES MESOCURTICA

k > 0.263 LA DISTRIBUCIN ES LEPTOCURTICA
k > 0.263 LA DISTRIBUCIN ES PLATICURTICA
 PESO AL DESTETE EN TERNEROS DE LA RAZA BROWN SWISS

PESO AL DESTETE EN TERNEROS DE LA RAZA BROWN SWISS

 (Q 3 Q1 ) (147 . 25 134 . 00 ) 13 . 25
K 0 . 212339
2 ( P90 P10 ) 2 (156 . 50 125 . 30 ) 62 . 4

Como k = 0.2123 es menor que 0.263, la distribucin es

PLATICURTICA
2. COEFICIENTE DE CURTOSIS OBTENIDO POR LA HOJA
ELECTRONICA EXCEL.
EL EXCEL USA LA SIGUIENTE ECUACIN PARA CALCULAR LA CURTOSIS:

n 4 2
n(n 1) Xi X 3( n 1)
k
(n 1)( n 2 )( n 3) i 1 S (n 1)( n 3)

PESO AL DESTETE EN TERNEROS DE LA RAZA BROWN SWISS

 PESO

Media 140.82
Error tpico 1.455935074
Mediana 140
Moda 138
Desviacin estndar 10.29501564
Varianza de la muestra 105.9873469
Curtosis -0.446368167
Coeficiente de asimetra 0.003150698
Rango 41
Mnimo 120
Mximo 161
Suma 7041
Cuenta 50
 3. COEFICIENTE DE CURTOSIS DE PEARSON.

Pearson introdujo los trminos Platicrtica, Mesocrtica y Platicrtica

para referirse a curvas menos, igual y ms achatadas que la Curva
Normal.

Pearson, demostr para una distribucin Normal que:

Define a 2
3 = Como el Grado de Curtosis una medida de
alejamiento con respecto a la distribucin
Normal. El cual es definido por:
n
1 4
(X i )
n i 1 24 n ( n 1)
2
b2 2
3 EE g 2
n (n 3 )( n 2 )( n 3 )( n 5)
1 2
(X i )
n i 1
 n
1 4
(X i
) * ni
n i 1
b2 2
3
n
1 2
(X i
) * ni
n i 1
 2
24 n ( n 1)
EE g 2
(n 3 )( n 2 )( n 3 )( n 5)
FIN