Kurtósis y asimetría

Teorema de límite central

 Actividad introductoria:
Veamos el siguiente caso y respondamos según nuestro criterio
personal, para ello participemos contestando en la siguiente
presentación:

Ingresemos a: menti.com

Tecleamos el código: 13 08 85
¿Qué nos dice la forma de la distribución de la variable
salario actual que se muestra en el siguiente
histograma?
Asimetría

La simetría de una distribución de frecuencias hace

referencia al grado en que valores de la variable,
equidistantes a un valor que se considere centro de la
distribución, poseen frecuencias similares.
Asimetría

Es un concepto más intuitivo a nivel visual, especialmente, si

se observa una representación gráfica (diagrama de barras,
histograma…) de la distribución de frecuencias.

Ésta será simétrica si la mitad izquierda de la distribución es

la imagen especular de la mitad derecha.
Tipos de Asimetría:
Asimetría

● Si media=moda=mediana, la
distribución es simétrica (Distribución
unimodal).
Distribución simétrica
Asimetría

● Si media > mediana, la distribución es

asimétrica con cola a la derecha (sesgada a la
derecha) = Distribuciones asimétricas
positivas
Asimetría positiva
Asimetría

● Si media < mediana, la distribución es

asimétrica con cola a la izquierda
(sesgada a la izquierda) =
Distribuciones asimétricas negativas
Asimetría negativa
En conclusión

● La cola más dispersa en el lado de los

valores altos de la variable caracteriza
a la asimetría positiva
Asimetría positiva
En conclusión

● La cola más dispersa en el lado de los

valores más bajos de la variable
caracteriza a la asimetría negativa
Asimetría negativa
En conclusión

● Si la dispersión es igual o muy similar a

ambos lados, a una distribución de
frecuencias simétrica
Distribución simétrica
Coeficiente de Asimetría de Pearson

Se basa en la relación existente entre la media

y la moda en distribuciones unimodales
asimétricas.
 Interpretación del Coeficiente de Pearson

● As < 0, asimetría negativa

● As > 0, asimetría positiva
● As = 0, o muy próximo a cero, simétrica
Coeficiente de Asimetría de Fisher

Se basa en las desviaciones de los valores

observados respecto a la media.
 Interpretación del Coeficiente de Fisher

● As < 0, asimetría negativa

● As > 0, asimetría positiva
● As = 0, o muy próximo a cero, simétrica
Asimetría cercana a cero
Asimetría positiva
Asimetría negativa
 Apuntamiento (curtósis)

● La curtosis (o apuntamiento) es una medida de forma que

mide cuán escarpada o achatada está una curva o
distribución.
● Este coeficiente indica la cantidad de datos que hay cercanos a
la media, de manera que a mayor grado de curtosis, más
escarpada (o apuntada) será la forma de la curva
 Apuntamiento (curtósis)

● Su obtención sólo tendrá sentido en variables cuya

distribución de frecuencias sea similar a la de la
curva normal o similar a la campana de Gauss,
básicamente, a que sea unimodal y más o menos
simétrica.
● Se pueden presentar tres casos:
 Apuntamiento (curtósis)

● Su obtención sólo tendrá sentido en variables cuya

distribución de frecuencias sea similar a la de la
curva normal o similar a la campana de Gauss,
básicamente, a que sea unimodal y más o menos
simétrica.
● Se pueden presentar tres casos:
Apuntamiento (curtósis)
 a) Distribución platicúrtica
● La Curtosis<0
● Muy poca concentración de datos en la media,
presentando una forma muy achatada.
 b) Distribución leptocúrtica
● La Curtosis > 0
● Los datos están muy concentrados en la media, siendo una
curva muy apuntada.
 c) Distribución mesocúrtica
● La Curtosis = 0
● Distribución normal.
Fórmula
 Teoría del límite central
Regla de Chebyshev
Es una regla que pone un límite sobre la
dispersión de la mayoría de los datos en torno
de la media.
 Teoría del límite central
Regla de Chebyshev
Para cualquier conjunto de datos, la proporción
de datos que distan menos de m desviaciones
estándar de la media es como mínimo.
 Teoría del límite central
Regla de Chebyshev
Dice, por ejemplo:
Que por lo menos 75% de las observaciones
están a menos de m=2 desviaciones estándar de
la media,
 Teoría del límite central
Regla de Chebyshev
...y por lo menos, 88.88% de las observaciones
están a menos de m=3 desviaciones estándar de
la media.
● Útil para cualquier distribución sin importar su
forma
 Teoría del límite central
Regla de Chebyshev
Ejemplo:
Los siguientes datos son los números de crías nacidas
conjuntamente para 18 parejas de ratones campestres.
365657576665554564
 Teoría del límite central
Regla de Chebyshev
Calculando la media 5.33 y la desviación estándar 1.03.
Luego, la regla de Chebyshev dice que por los menos un
75% de los datos están contenidos en el intervalo (3.27,
7.39) y que el intervalo 5.33±3x1.03=(2.24, 8.42) contiene
por lo menos un 88.88% de los datos.
 Teoría del límite central
Regla empírica
Si la distribución de los datos es más o menos
simétrica y unimodal, (es decir con una
distribución normal):
 Teoría del límite central
Regla empírica
Entonces:
a) Aproximadamente un 68% de los datos caerán
dentro de ±1 desviaciones estándar de la media
b) 95% dentro de ±2 desviaciones, y
c) 99.7% dentro de ±3 desviaciones estándar de la
media.
Teoría del límite central
Regla empírica
 Teoría del límite central
Regla empírica
Recordando…
esta regla es útil para distribuciones que tienen una
curva en forma de campana (distribución normal)