Sunteți pe pagina 1din 8

MEDIDAS DE FORMAS

ASIMETRÍA (SESGO)
Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor
del punto central (media aritmética). La asimetría presenta tres estados diferentes, cada uno
de los cuales define de forma concisa como están distribuidos los datos respecto al eje de
asimetría.

 La asimetría positiva cuando la mayoría de los


datos se encuentran por encima del valor de la
media aritmética, es decir, que los valores se tienden a
reunir más en la parte izquierda que en la derecha de
la media. Y que la asimetría es mayor a cero (Sg>0)

 La simétrica cuando se distribuyen aproximadamente la


misma cantidad de valores en ambos lados de la media
aritmética, es decir, este valor es difícil de conseguir por lo
que se tiende a tomar los valores que son cercanos
ya sean positivos o negativos de (± 0.5), cuando su mediana,
su moda y su media aritmética coinciden. Y que la asimetría
es igual a cero (Sg=0).

 La asimetría negativa cuando la mayor cantidad de


datos se aglomeran en los valores menores que la media
aritmética, es decir, que los valores se tienden a reunir más
en la parte derecha que en la izquierda de la media. Y que la
asimetría es menor a cero (Sg<0)

Existen varias medidas de la asimetría de una distribución de frecuencias.


1. Coeficiente de Asimetría de Pearson:

𝑥̅ − 𝑀𝑜
𝐴𝑠 =
𝑆

2. Pero si existen dos o más modas se utilizara otra fórmula:

3(𝑥̅ − 𝑀𝑑)
𝐴𝑠 =
𝑆

3. Y por otro lado es el coeficiente de asimetría de Fisher:


a. Para datos sin agrupar se emplea la siguiente fórmula:

b. Para datos agrupados en tablas de frecuencias se emplea la siguiente


fórmula:

c. Para datos agrupados en intervalos se emplea la siguiente fórmula:

4. Calculando la Medida de Bowley se obtiene

Dónde:

Ap=g1= representa el coeficiente de asimetría


𝑥̅ = media de la muestra
𝑀𝑜 = moda
𝑀𝑑=Q2= mediana
S=σ= desviación estándar
𝑥𝑖 =valores de cada uno de la muestra
𝑓𝑖 = frecuencia (absoluta o relativa)
n= número total de la muestra
xm= marca de la clase

CURTOSIS (APUNTAMIENTO)
Esta medida determina el grado de concentración que presentan los valores en la
región central de la distribución. Y se forma de campana.
Por medio de medidas de Fisher:
1. Para datos sin agrupar se emplea la siguiente fórmula:

2. Para datos agrupados en tablas de frecuencias se emplea la siguiente fórmula:


3. Para datos agrupados en intervalos se emplea la siguiente fórmula:

4. Otra forma de calcular la curtosis:


1 𝑄3 − 𝑄1
𝐾= ( )
2 𝑝90 − 𝑝10
Dónde:
α=g2= representa el coeficiente de curtosis
Existen tres tipos de grado de concentración:

 Distribución mesocúrtica: presenta un grado de


concentración medio alrededor de los valores centrales de la variable
(el mismo que presenta una distribución normal), es decir, que la
distribución al igual que en la asimetría es bastante difícil de
encontrar un coeficiente de Curtosis de cero (0), por lo que se
suelen aceptar los valores cercanos (± 0.5 aprox.). Y que la curtosis es igual a 0.263
(K=0.263).
 Distribución leptocúrtica: presenta un elevado grado de
concentración alrededor de los valores centrales de la variable. Y
que la curtosis es mayor a 0.263 (K>0.263).

 Distribución platicúrtica: presenta un reducido grado de


concentración alrededor de los valores centrales de la variable. Y que la
curtosis es menor a 0.263 (K<0.263).

Cuando la distribución de los datos cuenta con un coeficiente de asimetría (Sg = ±0.5) y un
coeficiente de Curtosis de (K = ±0.5), se le denomina Curva Normal. Este criterio es de
suma importancia ya que para la mayoría de los procedimientos de la estadística de
inferencia se requiere que los datos se distribuyan normalmente.

La principal ventaja de la distribución normal radica en el supuesto que el 95% de los


valores se encuentra dentro de una distancia de dos desviaciones estándar de
la media aritmética; es decir, si tomamos la media y le sumamos dos veces la desviación
estándar y después le restamos a la media y dos veces la desviaciones, el 95% de los casos
se encontraría dentro del rango que compongan estos valores.
EJEMPLO 1:
Asimetria y Curtosis
EL COEFICIENTE DE FISHER

EJEMPLO 2:
Asimetría
Los siguientes datos: 6, 9, 9, 12, 12, 12, 15 y 17

Solución:
Calculando la media aritmética se obtiene:

Para calcular los cuartiles se ordena los datos de menor a mayor


6 9 9 12 12 12 15 17

Calculando el cuartil uno se obtiene:

Calculando el cuartil dos se obtiene:


Calculando el cuartil tres se obtiene:

Calculando la desviación estándar muestral se obtiene:

Calculando el Coeficiente de Pearson se obtiene:

Calculando la Medida de Bowley se obtiene

Calculando la desviación estándar poblacional se obtiene:

Calculando la Medida de Fisher se obtiene


Datos
6 -166,375
9 -15,625
9 -15,625
12 0,125
12 0,125
12 0,125
15 42,875
17 166,375
Total 12
EJEMPLO 3
Curtosis

Los siguientes datos: 6, 9, 9, 12, 12, 12, 15 y 17

Solución: Calculando la media aritmética se obtiene

Calculando la desviación estándar poblacional se obtiene:

Calculando la Medida de Fisher se obtiene:


Datos
6 915,0625
9 39,0625
9 39,0625
12 0,0625
12 0,0625
12 0,0625
15 150,0625
17 915,0625
Total 2058,5

Para calcular los cuartiles y percentiles se ordena los datos de menor a mayor:
6 9 9 12 12 12 15 17

Calculando el cuartil uno se obtiene:


Calculando el cuartil tres se obtiene:

Calculando el percentil 90 se tiene:

Calculando el percentil 10 se tiene:

Calculando el coeficiente percentil de curtosis se obtiene:

Como K= 2,23 y la distribución es platicúrtica