Está en la página 1de 3

 Coeficiente de variación:

Los pesos de los toros de lidia de una ganadería se distribuyen con una media x= 500 kg y
una desviación típica q = 40 kg. Los pesos de los perros de una exposición canina tienen
una media x = 20 kg y una desviación típica q = 10 kg. La desviación típica de los pesos
de la manada de toros bravos (40 kg) es superior a la de los perros (10 kg). Sin embargo,
los 40 kg son poca cosa para el enorme tamaño de los toros (es decir, los toros de esa
manada son muy parecidos en peso), mientras que 10 kg es mucho en relación con el
peso de un perro. En casos como este, la desviación típica no es una medida adecuada
para comparar dispersiones. Por ello, definimos un nuevo parámetro estadístico.
Para comparar la dispersión de dos poblaciones heterogéneas, se define el coeficiente de
variación así:
𝜎
CV = –
×
Al dividir q entre x – estamos relativizando la dispersión. El resultado se da, a veces, en
tantos por ciento.
 En el ejemplo de los toros y los perros, obtenemos:
• Para los toros:
CV = 40 /500 = 0,08 Es decir, el 8%.
• Para los perros:
CV = 10 /20 = 0,50 Es decir, el 50%.

 De este modo sí se aprecia claramente que la variación de los pesos de los perros (50%)
es mucho mayor que la de los pesos de los toros (8%).

 Valores tipificados:
El término unidad tipificada, variable centrada reducida, variable
estandarizada o normalizada se utiliza en estadística para comparar datos procedentes de
diferentes muestras o poblaciones

Supongamos que X es un valor procedente de una muestra (o población) con media (o μ)


y desviación típica s(o σ). En tal caso, el valor de x en unidades tipificadas representado por z se
define de la siguiente manera.
Unidades tipificadas:
Las unidades tipificadas muestran el número de desviaciones típicas en que un valor dado se sitúa
por encima o debajo de la media de su muestra o población. Se usan también para comparar
valores de diferentes muestras o poblaciones.

Ejemplo
Un alumno A saca una puntuación de 85 en un examen cuyas puntuaciones tienen una media de
79 con una desviación típica de 8. Un alumno B saca 74 en un examen cuyas puntuaciones tienen
una media de 70 y desviación típica de 5. ¿Cuál de los dos alumnos obtuvo una puntuación mejor?
La respuesta, desde el punto de vista de la "unidad tipificada", se obtiene así:
Las puntuaciones tipificadas de los alumnos A y B son respectivamente:
Así el alumno B lo hizo mejor que el A, aunque su puntuación de 74 es inferior a 85
 Coeficiente de sesgo:
Evalúa el grado de distorsión o inclinación que adopta la distribución de los datos respecto
a su valor promedio tomado como centro de gravedad. El coeficiente de asimetría de
Pearson es:

3(𝑋 − 𝑀𝑒
𝐴=
𝑆

Grado de Asimetría Valor del Sesgo


Simetría Perfecta Cero. El promedio es igual a la mediana
Asimetría Positiva Positivo. Promedio mayor que la mediana
Asimetría Negativa Negativo. Promedio menor que mediana

Simétrica Negativo simetrica simetria Positivo


(Promedio<Mediana) (Promedio=Mediana) (Promedio>Mediana)

En el ejemplo sobre los gastos diarios en periódicos el Promedio es 7.87 le Mediana es


7.80 y la desviación estándar 1.293, por tanto el sesgo es ligeramente positivo +0.16

 Coeficiente de curtosis:
8,5,9,10,12,7,2,6,8,9,10,7,7.

Primero calculamos la media aritmética (µ), que sería 7,69.

A continuación, calculamos la desviación típica, que sería 2,43.

Tras tener estos datos y para comodidad en el cálculo, se puede realizar una tabla para
calcular la parte del numerador (cuarto momento de la distribución). Para el primer cálculo
sería:

(Xi-µ)^4 = (8-7,69)^4 = 0,009.


Una vez tenemos esta tabla hecha, simplemente tendríamos que aplicar la formula
expuesta con anterioridad para tener la curtosis.

g2 = 1.518,27/13*(2,43)^4 = 3,34

Datos (Xi-µ)^4
8 0,0090
5 52,5411
9 2,9243
10 28,3604
12 344,3330
7 0,2297
2 1049,9134
6 8,2020
8 0,0090
9 2,9243
10 28,3604
7 0,2297
7 0,2297
N=13 ∑ = 1.518,27

En este caso dado que g2 es mayor que 3, la distribución sería leptocurtica, presentando un
mayor apuntamiento que la distribución normal.
 Exceso de curtosis

En algunos manuales la curtosis se presenta como exceso de curtosis. En este caso esta
se compara directamente con la de la distribución normal. Dado que la distribución normal,
tiene curtosis 3, para obtener el exceso, solo habría restarle 3 a nuestro resultado.

Exceso de curtosis = g2-3 = 3,34-3 = 0,34.


La interpretación del resultado en este caso, sería la siguiente:

 g2-3 > 0 -> distribución leptocúrtica.


 g2-3 = 0 -> distribución mesocúrtica (o normal).
 g2-3 < 0 -> distribución platicúrtica.