Estadística para Ingeniería

Sesión Medidas de forma

N°7
Al terminar esta sesión, el estudiante
conocerá y deberá ser capaz de aplicar
Logro de la sesión las principales medidas de forma.

Profesor
Luis Guerra Jordán
Introducción
Las medidas estadísticas descriptivas calculadas de tendencia central, que permiten identificar
valores de referencia de referencia, y las de dispersión para cuantificar la variabilidad de ellos,
es necesario conocer como se distribuyen los datos.

Por ejemplo:
“Hay mayor proporción de trabajadores
que ganan menos del promedio con
respecto a los trabajadores que ganan
más del promedio de lo normal”.
Sueldo (soles)

“Hay mayor proporción de trabajadores

que ganan alrededor del promedio y
menos proporción de trabajadores con
ingresos bajos y altos de lo normal ”.
Sueldo (soles)
 Además de identificar la ubicación y dispersión que tienen los
Medidas de forma datos, es importante determinar su forma, como un complemento
de su descripción. Estas medidas permiten caracterizar de una
manera mas adecuada la forma de distribución de los datos.
 Medidas de forma

Asimetría Curtosis
Cuantifican el grado de asimetría de La curtosis de una distribución es la
la distribución en torno a una medida medida del grado de apuntamiento
de tendencia central. Es decir mide si de ella. Es decir, mide la
la muestra se distribuye de igual concentración de la muestra
manera a ambos lados de la media. alrededor de la media.
Medidas de Asimetría (A)

Cuantifican el grado de asimetría de la distribución en torno a una medida de

tendencia central. Es decir mide si la muestra se distribuye de igual manera a ambos
lados de la media (simetría), caso contrario se dicen que son asimétricas.

𝑀𝑜𝑑𝑎 < 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 < 𝑀𝑒𝑑𝑖𝑎 𝑀𝑜𝑑𝑎 = 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 𝑀𝑒𝑑𝑖𝑎 𝑀𝑜𝑑𝑎 > 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 > 𝑀𝑒𝑑𝑖𝑎

𝐴>0 𝐴=0 𝐴<0

Moda Moda Moda

Mediana Mediana Mediana
Media Media Media
 Medidas de forma

Asimetría Curtosis

Coeficiente de Coeficiente de Coeficiente de

Fisher 𝑨𝒇 Pearson 𝑨𝒑 Fisher 𝑲𝒇
Coeficiente de Coeficiente
Bowley 𝑨𝒃 Percentílico 𝑲𝒑
Características
• Una distribución es simétrica si la mitad izquierda de su distribución es la imagen
mediante un eje central de su mitad derecha.
• En las distribuciones simétricas media y mediana coinciden. Si sólo hay una moda
también coincide

Simetría
Distribución bimodal Distribución unimodal
Características

• La asimetría es positiva o negativa en función de a qué lado se encuentra la cola de

la distribución.
Características

• La media tiende a
desplazarse hacia las valores
extremos (colas).

• Las discrepancias entre las

medidas de centralización son
indicación de asimetría.
 El coeficiente de asimetría de Fisher sirve para
Coeficiente de asimetría encontrar la asimetría en una distribución de
de Fisher 𝑨𝒇 valores utilizando la media aritmética y desviación
estándar

La fórmula para datos no agrupados es:

𝑁 𝑛
1 1 3
POBLACIÓN 3 MUESTRA 𝑨𝒇 = 3 ෍ 𝑥𝑖 − 𝑥ҧ
𝑨𝒇 = ෍ 𝑥𝑖 − 𝜇
𝑁𝜎 3 𝑛𝑠
𝑖=1 𝑖=1

Su rango de variación es: −𝟐 ≤ 𝑨𝒇 ≤ 𝟐

El signo del coeficiente 𝐴𝑓 nos indica la dirección de asimetría, es decir

Si 𝑨𝒇 > 𝟎 la distribución es asimétrica positiva (cola a la derecha)

Si 𝑨𝒇 = 𝟎 la distribución es simétrica
Si 𝑨𝒇 < 𝟎 la distribución es asimétrica negativa (cola a la izquierda)

La fuerza de la asimetría 𝐴𝑓 :

𝟎 − 𝟎. 𝟒 Asimetría muy débil 𝟏. 𝟐 − 𝟏. 𝟔 Asimetría fuerte

𝟎. 𝟒 − 𝟎. 𝟖 Asimetría débil > 𝟏. 𝟔 Asimetría muy fuerte
𝟎. 𝟖 − 𝟏. 𝟐 Asimetría moderada

𝑨𝒇 > 𝟎 𝑨𝒇 = 𝟎 𝑨𝒇 < 𝟎
 Datos sin agrupar
𝑁 𝑛
1 3
1 3
POBLACIÓN 𝑨𝒇 = 3
෍ 𝑥𝑖 − 𝜇 MUESTRA 𝑨𝒇 = 3 ෍ 𝑥𝑖 − 𝑥ҧ
𝑁𝜎 𝑛𝑠
𝑖=1 𝑖=1

𝝁: Media poblacional ഥ: Media muestral

𝒙
𝝈: Desviación estándar poblacional 𝒔: Desviación estándar muestral
𝑵: Tamaño poblacional 𝒏: Tamaño muestral
 Ejemplo
Las siguientes puntuaciones pertenecen a un grupo de estudiantes, en una prueba de ingles
donde la máxima calificación posible es diez (10):

4 4 5 5 5 5 5 5 6 6
6 7 8 9 10

Calcular e interpretar el coeficiente de asimetría de Fisher

 Solución
Calculamos la media aritmética, desviación 4 4 5 5 5 5 5 5 6 6
estándar aplicando las fórmulas correspondientes: 6 7 8 9 10

n
1 4 + 4 + ⋯ + 9 + 10 90
ഥ=
𝒙 ෍ 𝑥𝑖 = = =𝟔 Media muestral
𝑛 15 15
𝑖=1
𝒏

ഥ 𝟐
෍ 𝒙𝒊 − 𝒙
.𝒊=𝟏 4−6 2 + 4−6 2 +⋯+ 9 − 6 2 + 10 − 6 2 44 44 Desviación
𝒔= = = = = 1.7728 estándar muestral
𝒏−𝟏 14 14 14

𝑛 3
1 4−6 + 4 − 6 3 +⋯+ 9 − 6 3
+ 10 − 6 3
78
𝑨𝒇 = 3 ෍ 𝑥𝑖 − 𝑥ҧ 3 𝑨𝒇 = =
𝑛𝑠 (15) 1.7728 3 83.574
𝑖=1
𝑨𝒇 = 0.93
 El coeficiente de asimetría de Fisher es

𝑛 3
1 4−6 + 4 − 6 3 +⋯+ 9 − 6 3
+ 10 − 6 3
78
𝑨𝒇 = 3 ෍ 𝑥𝑖 − 𝑥ҧ 3 𝑨𝒇 = =
𝑛𝑠 (15) 1.7728 3 83.574
𝑖=1 𝑨𝒇 = 0.93

Hay una mayor cantidad (porcentaje o proporción) de estudiantes con puntuaciones

Interpretación bajas por debajo de la media.
COEFICIENTE DE ASIMETRIA DE FISHER

El cálculo que usan algún software estadístico como:

SPSS, Minitab, StatGraphics, Excel, la fórmula que
utilizan para el cálculo de la asimetría para datos no
agrupados es:
𝑛
𝑛 3
𝑨𝒇 = 3
෍ 𝑥𝑖 − 𝑥ҧ
(𝑛 − 1)(𝑛 − 2) 𝑠
𝑖=1

90
ഥ=
𝒙 =𝟔 Media muestral
15

𝒔= 44
14
= 1.7728 Desviación estándar muestral
15
𝑛 = 15 𝑨𝒇 = 3
× 78 = 1.1538
(15 − 1)(15 − 2) 1.7728
 Datos agrupados
𝑘 𝑘
1 3 1 3
POBLACIÓN 𝑨𝒇 = 3
෍ 𝑛𝑖 𝑥𝑖 − 𝜇 MUESTRA 𝑨𝒇 = 3 ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ
𝑁𝜎 𝑛𝑠
𝑖=1 𝑖=1

𝝁: Media poblacional ഥ: Media muestral

𝒙
𝝈: Desviación estándar poblacional 𝒔: Desviación estándar muestral
𝑵: Tamaño poblacional 𝒏: Tamaño muestral
𝒌: Número de niveles o intervalos 𝒏: Tamaño muestral
𝒙𝒊 : Nivel de la variable o marca de clase si es intervalo

Si 𝑨𝒇 > 𝟎 la distribución es asimétrica positiva (cola a la derecha)

Si 𝑨𝒇 = 𝟎 la distribución es simétrica
Si 𝑨𝒇 < 𝟎 la distribución es asimétrica negativa (cola a la izquierda)
 Ejemplo
Las siguientes puntuaciones pertenecen a un grupo de estudiantes, en una prueba de ingles
donde la máxima calificación posible es diez (10):

4 4 5 5 5 5 5 5 6 6
6 7 8 9 10

Calcular e interpretar el coeficiente de asimetría de Fisher

 Solución 𝒙𝒊 𝒏𝒊 𝒙𝒊 𝒏𝒊 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝟐 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ
4 2 8 8 -16
Elaboramos la tabla de distribución de frecuencias: 5 6 30 6 -6
6 3 18 0 0
7 1 7 1 1
k
1 90 8 1 8 4 8
ഥ=
𝒙 ෍ 𝑛𝑖 𝑥𝑖 = =𝟔 Media muestral 9 1 9 9 27
𝑛 15 10 1 10 16 64
𝑖=1
Total 15 90 44 78
𝒏

ഥ 𝟐
෍ 𝑛𝑖 𝒙𝒊 − 𝒙
.𝒊=𝟏 44
𝒔= = = 1.7728 Desviación estándar muestral
𝒏−𝟏 14
𝑘
1 3
El coeficiente de asimetría de Fisher es 𝑨𝒇 = 3 ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ
𝑛𝑠
𝑖=1
78 78
𝑨𝒇 = 3
= = 0.93
(15) 1.7728 83.574
Hay una mayor cantidad (porcentaje o proporción) de estudiantes con puntuaciones
Interpretación bajas por debajo de la media.
COEFICIENTE DE ASIMETRIA DE FISHER

El cálculo que usan algún software estadístico como:

SPSS, Minitab, StatGraphics, Excel, la fórmula que
utilizan para el cálculo de la asimetría para datos no
𝒙𝒊 𝒏𝒊 𝒙𝒊 𝒏𝒙𝒊 𝒊 𝒏𝒊𝒙
𝒏𝒊 𝒙𝒊 − ഥ 𝟐 𝒏𝒊𝒙𝒊𝒙𝒊𝒏−𝒊 𝒙
ഥ 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝟐
agrupados es:
𝑘 4 2 8 4 82 8-16 8
𝑛 5
3
6 30 5 66 30-6 6
𝑨𝒇 = 3
෍ 𝑥𝑖6 − 𝑥ҧ 3 18 6 03 18 0 0
(𝑛 − 1)(𝑛 − 2) 𝑠 7 1 7 7 11 71 1
𝑖=1
8 1 8 8 41 88 4
9 1 9 9 91 9 27 9
90 10 1 10 10 161 1064 16
ഥ=
𝒙 =𝟔 Media muestral
15 Total 15 90Total 4415 9078 44

𝒔= 44
14
= 1.7728 Desviación estándar muestral
15
𝑛 = 15 𝑨𝒇 = 3
× 78 = 1.1538
(15 − 1)(15 − 2) 1.7728
Ejemplo
Se ha realizado un estudio de las rentas de alquiler de
390 viviendas (donde la renta viene dada en cientos de
soles), en una población de tamaño medio, obteniéndose:

Número de
alquiler
viviendas
5 - 10 4
10 - 15 6
15 - 20 15
20 - 25 18
25 - 30 20

Calcular e interpretar el coeficiente de asimetría de Fisher

 Solución alquiler
Marca de Número de
clase viviendas
𝟐
Límites 𝒙𝒊 𝒏𝒊 𝒙𝒊 𝒏𝒊 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ
Elaboramos la tabla de distribución de frecuencias:
5 - 10 7.5 4 30 722.27 -9705.44
10 - 15 12.5 6 75 427.15 -3604.06
k 15 - 20 17.5 16 280 189.06 -649.90
1 1340 20 - 25 22.5 18 405 43.95 68.66
ഥ=
𝒙 ෍ 𝑛𝑖 𝑥𝑖 = = 𝟐𝟎. 𝟗𝟒 Media muestral
𝑛 64 25 - 30 27.5 20 550 861.33 5652.47
𝑖=1 64 1340 2243.75 -8238.28

ഥ 𝟐
෍ 𝑛𝑖 𝒙𝒊 − 𝒙
.𝒊=𝟏 2243.75
𝒔= = = 5.968 Desviación estándar muestral
𝒏−𝟏 63
𝑘
1 3
El coeficiente de asimetría de Fisher es 𝑨𝒇 = 3 ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ
𝑛𝑠
𝑖=1
−8238.28
𝑨𝒇 = 3
= −0.61
(64) 5.958
Hay una mayor cantidad (porcentaje o proporción) de viviendas con rentas de alquiler
Interpretación por encima de la media.
COEFICIENTE DE ASIMETRIA DE FISHER

El cálculo que usan algún software estadístico como:

SPSS, Minitab, StatGraphics, Excel, la fórmula que
utilizan para el cálculo de la asimetría para datos no
agrupados es: Marca de Número de Marca de Número de
alquiler alquiler
𝑘 clase viviendas clase viviendas
𝑛 Límites 𝒙 𝒏𝒊
Límites 𝒙𝒊 𝒙𝒏𝒊 𝒊 𝒏𝒊 𝒙𝒏
𝒊−
𝒊 𝒙
ഥ 𝟐
𝒏𝒙
𝒊 𝒊 𝒙𝒊𝒏− ഥ 𝒏𝒊 𝒙𝒊 −
𝒙
𝑨𝒇 = 3
෍ 𝑥𝑖 − 𝑥ҧ 3𝒊 𝒊
(𝑛 − 1)(𝑛 − 2) 𝑠 5 - 10 7.5 54 - 10 307.5 722.27
4 -9705.44
30 722.2
𝑖=1
10 - 15 12.5 106 - 15 75
12.5 427.15
6 -3604.06
75 427.1
15 - 20 17.5 16 - 20
15 280
17.5 189.06
16 -649.90
280 189.0
ഥ = 20.94
𝒙 Media muestral 20 - 25 22.5 18 - 25
20 405
22.5 43.95
18 40568.66 43.9
25 - 30 27.5 20 - 30
25 550
27.5 861.33
20 5652.47
550 861.3
𝒔 = 5.968 Desviación estándar muestral 64 1340 2243.75
64 -8238.28
1340 2243.

64
𝑛 = 15 𝑨𝒇 = 3
× −8238.28 = −0.635
(64 − 1)(64 − 2) 5.968
 El coeficiente de asimetría de Pearson sirve para
Coeficiente de encontrar la asimetría en una distribución de
asimetría de Pearson datos utilizando la media y la moda.

La fórmula para datos no agrupados es:

𝜇 − 𝑀𝑜 ഥ − 𝑀𝑜
𝒙
POBLACIÓN 𝑨𝒑 = MUESTRA 𝑨𝒑 = −𝟏 ≤ 𝑨𝒑 ≤ 𝟏
𝜎 𝑠

El signo del coeficiente 𝐴𝑝 nos indica la dirección de asimetría, es decir

Si 𝑨𝒑 > 𝟎 la distribución es asimétrica positiva (cola a la derecha)

Si 𝑨𝒑 = 𝟎 la distribución es simétrica
Si 𝑨𝒑 < 𝟎 la distribución es asimétrica negativa (cola a la izquierda)
La fuerza de la asimetría 𝐴𝑝 :
𝟎 − 𝟎. 𝟐 Asimetría muy débil 𝟎. 𝟔 − 𝟎. 𝟖 Asimetría fuerte
𝟎. 𝟐 − 𝟎. 𝟒 Asimetría débil > 𝟎. 𝟖 Asimetría muy fuerte
𝟎. 𝟒 − 𝟎. 𝟔 Asimetría moderada
Si la moda no está bien definida, usamos la fórmula

3 𝜇 − 𝑀𝑒 ഥ − 𝑀𝑒
3 𝒙
POBLACIÓN 𝑨𝒑 = MUESTRA 𝑨𝒑 =
𝜎 𝑠
 El coeficiente de asimetría de Bowley sirve para
Coeficiente de encontrar la asimetría en una distribución de
asimetría de Bowley datos utilizando los cuartiles y la mediana.

La fórmula para datos no agrupados es:

𝑄3 + 𝑄1 − 2𝑀𝑒
𝑨𝒃 = −𝟏 ≤ 𝑨𝒃 ≤ 𝟏
𝑄3 − 𝑄1

El Dr. A. L. Bowley propuso otra medida de asimetría basada en las posiciones relativas de la
mediana y los dos cuartiles. Si las distribuciones son simétricas, Q1 y Q3 estarán a la misma
distancia de la mediana del otro lado. En otras palabras, en tal distribución la diferencia entre el
cuartil tercero y la mediana será igual a la diferencia entre la mediana y el cuartil uno.
 El coeficiente de asimetría de Bowley sirve para
Coeficiente de encontrar la asimetría en una distribución de
asimetría de Bowley datos utilizando los cuartiles y la mediana.

La fórmula para datos no agrupados es:

𝑄3 + 𝑄1 − 2𝑀𝑒
𝑨𝒃 = −𝟏 ≤ 𝑨𝒃 ≤ 𝟏
𝑄3 − 𝑄1
Define la dirección y la fuerza de la asimetría para el 50% observaciones intermedias

El signo del coeficiente 𝐴𝑝 nos indica la dirección de asimetría, es decir

Si 𝑨𝒃 > 𝟎 la distribución es asimétrica positiva (cola a la derecha)
Si 𝑨𝒃 = 𝟎 la distribución es simétrica
Si 𝑨𝒃 < 𝟎 la distribución es asimétrica negativa (cola a la izquierda)
La fuerza de la asimetría 𝐴𝑏 :
𝟎 − 𝟎. 𝟐 Asimetría muy débil 𝟎. 𝟔 − 𝟎. 𝟖 Asimetría fuerte
𝟎. 𝟐 − 𝟎. 𝟒 Asimetría débil > 𝟎. 𝟖 Asimetría muy fuerte
𝟎. 𝟒 − 𝟎. 𝟔 Asimetría moderada
 Ejemplo
Las siguientes puntuaciones pertenecen a un grupo de estudiantes, en una prueba de ingles
donde la máxima calificación posible es diez (10):

4 4 5 5 5 5 5 5 6 6
6 7 8 9 10

Calcular e interpretar el coeficiente de asimetría de Pearson

 Solución
Calculamos la media aritmética, desviación 4 4 5 5 5 5 5 5 6 6
estándar aplicando las fórmulas correspondientes: 6 7 8 9 10

n
1 4 + 4 + ⋯ + 9 + 10 90
ഥ=
𝒙 ෍ 𝑥𝑖 = = =6 Media muestral 𝑴𝒐 = 5 Moda
𝑛 15 15
𝑖=1
𝒏

෍ 𝒙𝒊 − 𝒙ഥ 𝟐
.𝒊=𝟏 4−6 2 + 4−6 2 +⋯+ 9 − 6 2 + 10 − 6 2 44 Desviación
𝒔= = = = 1.7728
𝒏−𝟏 14 14 estándar muestral

ഥ − 𝑀𝑜
𝒙 6−5
𝑨𝒑 = 𝑨𝒑 = = 0.564
𝑠 1.7728

Hay una mayor cantidad (porcentaje o proporción) de estudiantes con puntuaciones

Interpretación bajas por debajo de la media.
 Ejemplo
Las siguientes puntuaciones pertenecen a un grupo de estudiantes, en una prueba de ingles
donde la máxima calificación posible es diez (10):

4 4 5 5 5 5 5 5 6 6
6 7 8 9 10

Calcular e interpretar el coeficiente de asimetría de Bowley

 Solución
Calculamos la media aritmética, desviación 4 4 5 5 5 5 5 5 6 6
estándar aplicando las fórmulas correspondientes: 6 7 8 9 10

𝑴𝒆 = 5 Mediana 𝒙𝒊 𝒏𝒊 𝑵𝒊

𝑸𝟏 = 5 Primer cuartil 4 2 2
5 6 8
𝑸 = 7 Tercer cuartil 6 3 11
7 1 12
8 1 13
𝑄3 + 𝑄1 − 2𝑀𝑒 7 + 5 − 2(5) 9 1 14
𝑨𝒃 = 𝑨𝒃 = =1 10 1 15
𝑄3 − 𝑄1 7−5 Total 15

Hay una mayor cantidad (porcentaje o proporción) de estudiantes con puntuaciones

Interpretación bajas por debajo de la media.
 Medidas de Curtosis (K)
Si tenemos el conocimiento de las medidas de tendencia central, dispersión y asimetría, incluso
entonces no podemos tener una idea completa de una distribución. Además de estas medidas,
necesitamos conocer otra medida para obtener la idea completa sobre la forma de la distribución
que se puede estudiar con la ayuda de Curtosis.
 Medidas de Curtosis (K)
La curtosis de una distribución es la medida del grado
de apuntamiento de ella. Es decir, mide la
concentración de la muestra alrededor de la media.
 El coeficiente de curtosis de Fisher sirve para encontrar
Coeficiente de la curtosis en una distribución de datos utilizando la
curtosis de fisher media aritmética y la desviación estándar.

La fórmula para datos no agrupados es:

𝑁 𝑛
1 1 4
POBLACIÓN 4 MUESTRA 𝑲𝒇 = 4 ෍ 𝑥𝑖 − 𝑥ҧ −3
𝑲𝒇 = ෍ 𝑥𝑖 − 𝜇 −3
𝑁𝜎 4 𝑛𝑠
𝑖=1 𝑖=1
El signo del coeficiente 𝐴𝑓 nos indica la dirección de asimetría, es decir

Si 𝑲𝒇 > 𝟎 la distribución es leptocúrtica

Si 𝑲𝒇 = 𝟎 la distribución es mesocúrtica
Si 𝑲𝒇 < 𝟎 la distribución es platicúrtica
 Coeficiente de
curtosis de fisher
El cálculo que usan algún software estadístico como:
SPSS, Minitab, StatGraphics, Excel, la fórmula que
utilizan para el cálculo del coeficiente de curtosis de
Fisher para datos no agrupados es:

𝑛
2
𝑛(𝑛 + 1) 4−3
(𝑛 − 1)
𝑲𝒇 = 4
෍ 𝑥𝑖 − 𝑥ҧ
(𝑛 − 1)(𝑛 − 2)(𝑛 − 3) 𝑠 (𝑛 − 2)(𝑛 − 3)
𝑖=1

𝑘
𝑛(𝑛 + 1) (𝑛 − 1) 2
𝑲𝒇 = ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ 4−3
(𝑛 − 1)(𝑛 − 2)(𝑛 − 3) 𝑠 4 (𝑛 − 2)(𝑛 − 3)
𝑖=1
 Ejemplo
Las siguientes puntuaciones pertenecen a un grupo de estudiantes, en una prueba de ingles
donde la máxima calificación posible es diez (10):

4 4 5 5 5 5 5 5 6 6
6 7 8 9 10

Calcular e interpretar el coeficiente de curtosis de Fisher

 Solución 𝒙𝒊 𝒏𝒊 𝑵𝒊 𝒙𝒊 𝒏𝒊 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝟐 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝟒

4 2 2 8 8 32
5 6 8 30 6 6
Elaboramos la tabla de distribución de frecuencias: 6 3 11 18 0 0
7 1 12 7 1 1
k 8 1 13 8 4 16
1 90 9 1 14 9 9 81
ഥ=
𝒙 ෍ 𝑛𝑖 𝑥𝑖 = =𝟔 Media muestral 10 1 15 10 16 256
𝑛 15 Total 15 90 44 392
𝑖=1

ഥ 𝟐
෍ 𝑛𝑖 𝒙𝒊 − 𝒙
.𝒊=𝟏 44
𝒔= = = 1.7728 Desviación estándar muestral
𝒏−𝟏 14
𝑘
1 4
El coeficiente de kurtosis de Fisher es 𝑲𝒇 = 4 ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ −3
𝑛𝑠
𝑖=1
392 392
𝑲𝒇 = 4
−3= − 3 = −0.35
(15) 1.7728 148.1598
Hay una mayor cantidad (porcentaje o proporción) de estudiantes con puntuaciones
Interpretación bajas por debajo de la media.
Ejemplo
Se ha realizado un estudio de las rentas de alquiler de
390 viviendas (donde la renta viene dada en cientos de
soles), en una población de tamaño medio, obteniéndose:

Número de
alquiler
viviendas
5 - 10 4
10 - 15 6
15 - 20 15
20 - 25 18
25 - 30 20

Calcular e interpretar el coeficiente de kurtosis de Fisher

 Solución alquiler
Marca de Número de
clase viviendas
𝒏𝒊 𝒙𝒊 − 𝒙
ഥ 𝟐 𝟒
Límites 𝒙𝒊 𝒏𝒊 𝒙𝒊 𝒏𝒊 𝒏𝒊 𝒙𝒊 − 𝒙
ഥ
Elaboramos la tabla de distribución de frecuencias:
5 - 10 7.5 4 30 722.27 130416.91
10 - 15 12.5 6 75 427.15 30409.30
k 15 - 20 17.5 16 280 189.06 2234.04
1 1340 20 - 25 22.5 18 405 43.95 107.29
ഥ=
𝒙 ෍ 𝑛𝑖 𝑥𝑖 = = 20.94 Media muestral 25 - 30 27.5 20 550 861.33 37094.31
𝑛 64 64 1340 2243.75 200261.84
𝑖=1

ഥ 𝟐
෍ 𝑛𝑖 𝒙𝒊 − 𝒙
.𝒊=𝟏 2243.75
𝒔= = = 5.968 Desviación estándar muestral
𝒏−𝟏 63
𝑘
1 4
El coeficiente de kurtosis de Fisher es 𝑲𝒇 = ෍ 𝑛𝑖 𝑥𝑖 − 𝑥ҧ −3
𝑛𝑠 4
𝑖=1
200261.84
𝑲𝒇 = − 3 = −0.53
(64) 5.968 4
Hay una mayor cantidad (porcentaje o proporción) de viviendas con rentas de alquiler
Interpretación por encima de la media.
 El coeficiente de curtosis percentílico sirve para
Coeficiente de encontrar la curtosis en una distribución de
curtosis percentílico datos utilizando el rango semintercuartílico y los
percentiles 90 y 10.

𝑄3 − 𝑄1
La fórmula para datos no agrupados es: 𝑲𝒑 =
2 𝑃90 − 𝑃10

El signo del coeficiente 𝐾𝑝 nos indica la forma de la distribución, es decir

Si 𝑲𝒇 > 𝟎. 𝟐𝟔 la distribución es platicúrtica

Si 𝑲𝒑 = 𝟎. 𝟐𝟔 la distribución es mesocúrtica
Si 𝑲𝒇 < 𝟎. 𝟐𝟔 la distribución es leptocúrtica
 Gráfico de caja y bigotes (Box Plot)
Es una representación gráfica de una distribución estadística que refleja directamente
5 parámetros ( Límite Inferior, Primer Cuartil, Mediana, Tercer Cuartil y Limite Superior)
e indirectamente el Rango y el Rango Intercuartílico.

Primer Cuartil (Mediana) Tercer Cuartil

Límite Inferior Q1 Q2 Q3 Límite Superior
L I = Q1-1,5 RI LS = Q3-1,5 RI

Valores Valores
1,5 RI 1,5 RI
Atípicos Atípicos
RI= Q3 - Q1 (Rango Intercuartílico)

• También dan idea de la simetría ,

• El sesgo y de la dispersión de la distribución de los datos.
 Ejemplo
Distribución de edades de un colectivo de 20 personas.

Ordenamos la distribución de los datos:

Calculo de Cuartiles:
Q1=(24 + 25) / 2 = 24,5
Me= Q2 = (33 + 34)/ 2 =33,5
Q3=(39 + 39) / 2 = 39

Características:
• El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)
• La primera parte de la caja(Q1,Q2),la segunda parte de la caja (Q2,Q3)
• El bigote de la derecha viene dado por (Q3, Xmáx).
Interpretación:

• La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las
edades comprendidas entre el 25% y el 50% de la población está más dispersa que entre
el 50% y el 75%.
• El bigote de la izquierda (Xmín, Q1) es más corto que el de la derecha; por ello el 25% de
los más jóvenes están más concentrados que el 25% de los mayores.
• El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población está
comprendido en 14,5 años.
Ejemplo
Comparar distribuciones de edades de dos grupos de colectivo de 20 personas.

GRUPO 1 GRUPO 2