MEDIDAS

DE
FORMA
INTEGRANTES:
NIK MAIKOL APAZA PACAJES
BRISA COARICONA APAZA

EYMMY ABIEL SIÑANI ZEBALLOS

ROCIO QUISPE LOPEZ

NADY EMILY VILLCA CARTAGENA

INTRODUCCION
 Hasta em momento nos hemos enfocado en el
análisis de datos a partir de los valores centrales y
la variabilidad de las observaciones por medio de las
medidas de tendencia central y dispercion ahora nos
disponemos a analizar los datos según su
comportamiento en cuanto a la asimetría de los
datos con respecto al valor central y l concentración
de datos con respecto a ese valor para esto existen
las medidas de forma que se resumen en medidas de
simetría y apuntamiento.
 MEDIDAS
DE FORMA
Las medidas de forma son
aquellas que nos muestran si una
distribución de frecuencia tiene
características especiales como
simetría, asimetría, nivel de
concentración de datos y nivel de
apuntamiento que la clasifiquen
en un tipo particular de
distribución.
MEDIDAS DE
ASIMETRIA
 Lasmedidas de asimetría son indicadores que
permiten establecer el grado de simetría (o
asimetría) que presenta una distribución de
probabilidad de una variable aleatoria sin tener
que hacer su representación gráfica.
TIPOS DE ASIMETRIA
 Laasimetría presenta tres estados diferentes , cada
uno de los cuales define de forma concisa como
están distribuidos los datos
 ASIMETRÍA NEGATIVA O A
LA IZQUIERDA
 es simétrica a la izquierda
o tiene sesgo negativo
cuando el valor de la
media aritmética es menor
que la mediana y éste valor
de la mediana a su vez es
menor que la moda, en
símbolos
 SIMÉTRICA
 Se da cuando en una
distribución se distribuyen
aproximadamente la misma
cantidad de los datos a
ambos lados de la media
aritmética. Se representa por
una curva normal en forma
de campana llamada
campana de Gauss
 ASIMETRÍA POSITIVA O A
LA DERECHA
 es simétrica a la derecha o
tiene sesgo positivo
cuando el valor de la
media aritmética es mayor
que la mediana y éste a
valor de la mediana a su
vez es mayor que la moda,
en símbolos
COEFICIENTES
DE ASIMETRÍA
COEFICIENTE DE ASIMETRÍA
DE FISHER
 Si CAF<0: la distribución tiene una asimetría negativa y
se alarga a valores menores que la media
 Si CAF=0: la distribución es simétrica. 
 Si CAF>0: la distribución tiene una asimetría positiva y
se alarga a valores mayores que la media
 COEFICIENTE DE ASIMETRÍA
DE PEARSON
 FORMULA 1  FORMULA 2
 Si CA <0: la distribución tiene una asimetría negativa,
P

puesto que la media es menor que la  moda

 Si CA =0: la distribución es simétrica.
P

 Si CA >0: la distribución tiene una asimetría positiva, ya

P

que la media es mayor que la moda

COEFICIENTE DE ASIMETRÍA
DE BOWLEY
o Si CAB<0: la distribución tiene una asimetría
negativa, puesto que la distancia de la mediana al
primer cuartil es mayor que al tercero.
o Si CAB=0: la distribución es simétrica, ya que el
primer y tercer cuartil están a la misma distancia de
la mediana
o Si CAB>0: la distribución tiene una asimetría
positiva, ya que la distancia de la mediana al
tercer cuartil es mayor que al primero.
EJEMPLO APLICATIVO
EJEMPLO COEFICIENTE DE
PEARSON
 HALLAREL COEFICIENTE DE
ASIMETRIA DE LOS SIGUIENTES DATOS
Li – 1 Li ni
12 – 17 5
17 – 22 10
22 – 27 8
27 – 32 12
32 – 37 24
37 – 42 7
42 – 47 14
TOTALES 80
 LA FORMULA QUE VAMOS
HA UTILIZAR

DATOS
  QUE NESECITAMOS
= media aritmética.
Mo = Moda
𝝈 = desviación estándar.
 PASO 1
 HALLAR LA MEDIA ARITMETICA
Li – 1 ni xi   
xi * ni
Li
12 - 17 5 14.5 72,5 
17 - 22 10 19,5 195
22 - 27 8 24,5 196
27 - 32 12 29,5 354
32 - 37 24 34,5 828
37 - 42 7 39,5 276,5
42 - 47 14 44,5 623
TOTAL 80   2545
 PASO 2
 
Li – 1 Li ni Ni

12 - 17 5 5
17 - 22 10 15
22 - 27 8 23
27 - 32 12 35
32 - 37 24 59  
37 - 42 7 66
42 - 47 14 80
TOTAL 80  
 PASO 3
 HALLAR LA DESVIACION ESTANDAR

Li – 1 Li ni xi
 
12 - 17 5 14.5 299.64 1498,2
17 - 22 10 19,5 151.29 1519
22 - 27 8 24,5 53.44 427,52
27 - 32 12 29,5 5.34 64,02
32 - 37 24 34,5 7.24 173,76
37 - 42 7 39,5 59.29 415,03  
42 - 47 14 44,5 161.04 2254,56
TOTAL 80     6352,09
 PASO 4
 la distribución tiene una asimetría
 REEMPLAZAR EN FORMULA negativa, ya que es menor a 0 y
  puesto que la media es menor que la
moda

 
MOMENTOS

Los momentos son valores que

representan ciertas características
de un conjunto de datos
numéricos. Se denota: “m” “(r)”
Existen 4 tipos de momentos los
cuales son:
 Primer momento para el cálculo de promedios (Se
refiere a la media)
 Segundo momento, el cálculo de los estadígrafos de
dispersión (Se refiere a la desviación, varianza y otros)
 Tercer momento para el análisis de asimetría ( para
saber que tanto la muestra está bien distribuida o no)
 Cuarto momento, el coeficiente de curtosis o
apuntamiento (para saber hacia dónde va la muestra)
Clases de momentos se clasifican en:
  Los momentos respecto a un parámetro

 Momentos respecto a un origen

 Momentos con respecto a la media aritmética

Coeficiente de asimetria respecto a
los momentos:
 Parasaber el coeficiente de asimetría más
exacta, se buscara el tercer momento y la
tercera desviación, su formula es:
Coeficiente de curtosis con
momentos:
 Elcoeficiente de curtosis también se puede hallar
con el cuarto momento y la cuarta desviación:
 EJERCICIO

L L ni xi (xi*ni) (xi-X) X=18,75 (xi-X) ‸2 (xi-X) ‸ 3 (xi-X) ‸ 4 (xi-X) ‸ 2*ni (xi-X) ‸ 3*ni (xi-X) ‸ 4*ni
5 10 2 7,5 15 -11,25 126,56 -1423,83 16018,07 253,13 -2847,66 32036,13
10 15 4 12,5 50 -6,25 39,06 -244,14 1525,88 156,25 -976,56 6103,52
15 20 6 17,5 105 -1,25 1,56 -1,95 2,44 9,38 -11,72 14,65
20 25 3 22,5 67,5 3,75 14,06 52,73 197,75 42,19 158,20 593,26
25 30 5 27,5 137,5 8,75 76,56 669,92 5861,82 382,81 3349,61 29309,08
TOTALES 20 375 -6,25 257,81 -947,27 23605,96 843,75 -328,13 68056,64
 resolución
 

 3402,83
Encontrando el coeficiente de asimetría
 
Encontrando la curtosis

 

 3402,83
COEFICIENT
E DE
CURTOSIS
La curtosis es una medida estadística
que determina el grado de
concentración que presentan los
valores de una variable alrededor de
la zona central de la distribución de
frecuencias. También es
conocida como medida de
apuntamiento
Ejemplo
 Para Lanzar un nuevo producto Al mercado, Una empresa estudia el
tiempo de publicidad , en segundos, Empleando en los medios
audiovisuales por otra empresa que produce Un producto similar. La tabla
siguiente representa la distribución de los datos.
CURVA DE LORENZ Y
EL ÍNDICE DE GINI
La curva de Lorenz y el índice de
GINI, son métodos que se utilizan
en el campo de la economía para
medir la desigualdad de los
ingresos de una sociedad.
Para entender la relación entre el índice de GINI y la curva
de Lorenz debemos conocer primero estos dos conceptos:
 ÍNDICE DE GINI:
Es una medida de la desigualdad en la distribución de los
ingresos.
Es la recolección de datos, la cual nos dice cuanta igualdad
existe con la Línea de Equidad.

 CURVA DE LORENZ:
Es una representación gráfica de la desigualdad en la
distribución de los ingresos, en otras palabras es una frontera
para los valores de la recolección de datos .
 La curva de Lorenz es una curva donde nos dice hasta donde
estarán representados los valores es decir una frontera.
 El índice de GINI, nos dice cuanta desigualdad hay entre la línea de
equidad y la curva de Lorenz es el índice de GINI.

Formula
 EJEMPLO
 Enla tabla siguiente, se muestra la cantidad de empleados y sus
respectivos salarios. Calcular el índice de GINI de la empresa
de autos “McQueen”.

Cantidad de
Nº Salarios Bs.
empleados
 Tenemos que hallar la
1 10 900
2 12 1000
cantidad acumulada tanto
3 20 1500
población como de renta,
4 7 2500
para luego sacar el
5 5 3500 porciento (%) de la
6 2 4500 cantidad acumulada
TOTAL 56 13900
 SOLUCION
Salario
Cantidad Salario total
Cantidad de Salario Salario Salario Total
Acumulad fi FI en
empleados ni Bs. Total Acumulado Acumulad
a Ni Porcentaje
o

10 900 10 0,18 0,18 9000 9000 0,09 0,09

12 1000 22 0,21 0,39 12000 21000 0,12 0,21

20 1500 42 0,36 0,75 30000 51000 0,31 0,52

7 2500 49 0,13 0,88 17500 68500 0,18 0,70

5 3500 54 0,09 0,97 17500 86000 0,18 0,88

2 6000 56 0,04 1,00 12000 98000 0,12 1,00

56 15400   1,00   98000   1,00

 

 Cabe resaltar que ya con tan solo ver la muestra se veía que no había
igual de salarios; confirmando así que la muestra se aleja bastante de 1,
dándonos a conocer que esta distribución no es equitativa, llegando a
concluir que en dicha empresa “McQueen” no tiene igualdad de salarios
CONCLUSION
 Las medidas de forma permiten comprobar si una distribución de
frecuencia tiene características especiales como simetría,
asimetría, nivel de concentración de datos y nivel de
apuntamiento que la clasifiquen en un tipo particular de
distribución.
 Las medidas de forma son necesarias para determinar el
comportamiento de los datos y así, poder adaptar herramientas
para el análisis probabilístico.
 Las medidas de forma son indicadores estadísticos que permiten
identificar si una distribución de frecuencia presenta uniformidad.
 
RECOMENDACION

 Dedique tiempo al aprendizaje del tema

 Identifica qué valores se han encontrado en estudios
previos para el tamaño del efecto de tu tema de estudio
 Análisis la potencia estadística que han obtenido las
investigaciones previas sobre tu tema de estudio
 Seleccionar adecuadamente la muestra. Una elección
incorrecta puede hacer que el resto del proceso sea
erróneo. Una buena muestra tiene que ser
representativa.