Word Estadistica T.G

UNIVERSIDAD ESTATAL DEL SUR DE MANABI
FACULTAD
CIENCIAS ECONOMICAS
AUTORES
Molina Macias Dayanna
Menéndez Kelvin Stalin
Macias Wilson Betsy Leticia
Zambrano Medranda Anthony
Muñiz Rivera Jexon
DOCENTE
Ec. Tania Lisbeth Macias Villacreses
ASIGNATURA
ESTADISTICA
SEMESTRE
SEGUNDO “C”
MATUTINO
2020-2021
PII
Medidas de forma (momentos)
Las medidas de la forma son utilizadas para describir características tales como la
simetría (o asimetría) que presenta la distribución de los datos, o qué tan aplanada
o picuda es la forma de la distribución.
Son indicadores estadísticos que permiten identificar si una distribución de

frecuencia presenta uniformidad. Aunque no forma parte del contenido estipulado
en el programa, considero que la descripción de un conjunto de datos no está
completa si no se analiza su forma.
Las medidas de forma son necesarias para determinar el comportamiento de los

datos y así, poder adaptar herramientas para el análisis probabilístico.
Permiten conocer que forma tiene la curva que representa la serie de datos de la
muestra.
Asimetría: La asimetría es la medida que indica la simetría de la distribución de

una variable respecto a la media aritmética, sin necesidad de hacer la
representación gráfica. Los coeficientes de asimetría indican si hay el mismo
número de elementos a izquierda y derecha de la media.
Existen tres tipos de curva de distribución según su asimetría:
Asimetría negativa: la cola de la distribución se alarga para valores inferiores a
la media.
Simétrica: hay el mismo número de elementos a izquierda y derecha de la media.
En este caso, coinciden la media, la mediana y la moda. La distribución se adapta a
la forma de la campana de Gauss, o distribución normal.
Asimetría positiva: la cola de la distribución se alarga (a la derecha) para valores
superiores a la media.
Se refiere a si la curva que forman los valores de la serie presenta la misma forma a
izquierda y derecha de un valor central (media aritmética)
Para calcular la asimetría se puede utilizar el llamado coeficiente de Fisher que

representaremos como g1 y se determina por la fórmula:
Los resultados pueden ser los siguientes:
g1 = 0 distribución simétrica. Existe la misma concentración de valores a la

derecha y a la izquierda de la media.
g1 > 0 distribución asimétrica positiva. Existe mayor concentración de valores a la

derecha de la media que a su izquierda.
g1 < 0 distribución asimétrica negativa. Existe mayor concentración de valores a la

izquierda de la media que a su derecha.
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.
La curtosis se mide promediando la cuarta potencia de la diferencia entre cada
elemento del conjunto y la media, dividido entre la desviación típica elevado
también a la cuarta potencia.
El Coeficiente de Curtosis analiza el grado de concentración que presentan los

valores alrededor de la zona central de la distribución. Se definen 3 tipos de
distribuciones según su grado de curtosis:
Distribución mesocúrtica: presenta un grado de concentración medio alrededor

de los valores centrales de la variable (el mismo que presenta una distribución
normal).
Distribución leptocúrtica: presenta un elevado grado de concentración alrededor

de los valores centrales de la variable.
Distribución platicúrtica: presenta un reducido grado de concentración alrededor

de los valores centrales de la variable.
El Coeficiente de Curtosis viene definido por la siguiente fórmula:
Los resultados pueden ser los siguientes:
g2 = 0 (distribución mesocúrtica).
g2 > 0 (distribución leptocúrtica).
g2 < 0 (distribución platicúrtica).
SESGO POSITIVO
Un sesgo positivo nos indica que, en el promedio de diferencias elevadas al cubo,

tienen mayor predominancia los términos en donde las Xi son mayores que 𝑋̅, es
decir, tienen mayor peso las diferencias con signo positivo. Un sesgo positivo
implica la existencia de observaciones con valores altos de la variable en
comparación con la mayoría de las observaciones.
SESGO NEGATIVO
Un sesgo negativo implica que, en el promedio, pesan más los términos en donde
Xi son menores que 𝑋̅, lo que implica una cola de valores a la izquierda de la
media. Así, un coeficiente de sesgo negativo implica la existencia de observaciones
con valores bajos de la variable en comparación con la mayoría de las
observaciones.
SESGO IGUAL A CERO
Un coeficiente de sesgo igual a cero implica que hay una compensación entre los
términos de diferencias al cubo con valores positivos y con valores negativos que
contribuyen al promedio. En este punto hay que mencionar que una distribución
con coeficiente de sesgo igual a cero puede tomar diferentes formas.
Una distribución simétrica forzosamente tendrá un coeficiente de sesgo igual a
cero, pero si una distribución tiene coeficiente de sesgo igual a cero, 𝑛𝑜
necesariamente tendrá una forma simétrica.
el coeficiente de curtosis (ck) es la medida que define qué tan pronunciada es la
punta (o pico) en una distribución. Su significado se relaciona con la distribución
normal, cuyo coeficiente de curtosis es cero. La expresión matemática para el ck
es:
1 𝑛
𝛴𝑖 = 1(+1, −𝑥̅ )4
𝑐𝑘 = 𝑛 −3
𝑠 2
El -3 se agrega para hacer que la curtosis de la distribución normal sea igual a cero
Para una distribución dada, la curva normal con una media y desviación estándar
iguales a las de la distribución para la que se calcula la curtosis, sirve como patrón
de referencia. A una distribución con ck = 0 (distribución normal) se le denomina
mesocúrtica. A una distribución en donde el ck > 0 se le denomina como
leptocúrtica, lo que implica que es más puntiaguda y con colas más anchas que la
distribución normal de referencia.
Finalmente, a una distribución más aplanada y con colas menos anchas que las de
las de la distribución normal de referencia se le denomina platicúrtica y tiene un ck
< 0.
Tercer momento respecto a la media y el coeficiente de sesgo
Momentos de tercer y cuarto orden
El momento de tercer orden es un índice de asimetría porque es un

momento impar. Además, como se trata de un momento elevado, acentúa
las desviaciones extremas con respecto a la media que pueda existir.
Este mide el sesgo o asimetría:
Para cuantificar la simetría de una distribución de datos se utiliza el coeficiente de sesgo

(cs), cuya ecuación es:
En términos generales, se trata de un promedio de las diferencias de las mediciones de la

variable con respecto a la media (𝑋𝑖 − 𝑋̅) 3 . Dado que las diferencias están elevadas al
cubo, el coeficiente de sesgo puede tener un valor positivo, un valor negativo o un valor
igual a cero. Un valor positivo del coeficiente de sesgo nos indica que, en el promedio de
diferencias elevadas al cubo, tienen mayor predominancia los términos en donde las Xi
son mayores que 𝑋̅, es decir, tienen mayor peso las diferencias con signo positivo. Este
hecho se manifiesta como una cola de valores a la derecha de la media. Un sesgo positivo
implica la existencia de observaciones con valores altos de la variable en comparación
con la mayoría de las observaciones. Por el contrario, un sesgo negativo implica que, en
el promedio, pesan más los términos en donde Xi son menores que 𝑋̅, lo que implica una
cola de valores a la izquierda de la media. Así, un coeficiente de sesgo negativo implica
la existencia de observaciones con valores bajos de la variable en comparación con la
mayoría de las observaciones. Un coeficiente de sesgo igual a cero implica que hay una
compensación entre los términos de diferencias al cubo con valores positivos y con
valores negativos que contribuyen al promedio. En este punto hay que mencionar que una
distribución con coeficiente de sesgo igual a cero puede tomar diferentes formas. Una
distribución simétrica forzosamente tendrá un coeficiente de sesgo igual a cero, pero si
una distribución tiene coeficiente de sesgo igual a cero, no necesariamente tendrá una
forma simétrica. Por otra parte, es pertinente mencionar que en la práctica será difícil
encontrar una distribución de los datos en donde el coeficiente de sesgo cs sea
exactamente igual a cero, pero sí se podrán encontrar coeficientes con valores “cercanos”
a cero, en donde cualitativamente se podría decir que la distribución exhibe simetría al
analizar el histograma correspondiente.
Bibliografía:
https://rua.ua.es/dspace/bitstream/10045/18644/1/C3%20Sesion10.pdf
https://centrogeo.repositorioinstitucional.mx/jspui/bitstream/1012/161/1/17-
Recordando%20las%20Medidas%20de%20Tendencia%20Central%2C%20de%20Disp
ersi%C3%B3n%20y%20de%20la%20Forma%20-
%20%20Diplomado%20en%20An%C3%A1lisis%20de%20Informaci%C3%B3n%20G
eoespacial.pdf
https://navarrof.orgfree.com/Docencia/MatematicasIII/M3UT3/m3ut3mf.htm
https://www.universoformulas.com/estadistica/descriptiva/asimetria-curtosis/

Word Estadistica T.G

Cargado por

Copyright:

Formatos disponibles

Word Estadistica T.G

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Word Estadistica T.G

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD ESTATAL DEL SUR DE MANABI

Son indicadores estadísticos que permiten identificar si una distribución de

Las medidas de forma son necesarias para determinar el comportamiento de los

Asimetría: La asimetría es la medida que indica la simetría de la distribución de

Para calcular la asimetría se puede utilizar el llamado coeficiente de Fisher que

g1 = 0 distribución simétrica. Existe la misma concentración de valores a la

g1 > 0 distribución asimétrica positiva. Existe mayor concentración de valores a la

g1 < 0 distribución asimétrica negativa. Existe mayor concentración de valores a la

La curtosis es una medida estadística que determina el grado de concentración que

El Coeficiente de Curtosis analiza el grado de concentración que presentan los

Distribución mesocúrtica: presenta un grado de concentración medio alrededor

Distribución leptocúrtica: presenta un elevado grado de concentración alrededor

Distribución platicúrtica: presenta un reducido grado de concentración alrededor

Los resultados pueden ser los siguientes:

g2 > 0 (distribución leptocúrtica).

g2 < 0 (distribución platicúrtica).

Un sesgo positivo nos indica que, en el promedio de diferencias elevadas al cubo,

El momento de tercer orden es un índice de asimetría porque es un

Para cuantificar la simetría de una distribución de datos se utiliza el coeficiente de sesgo

En términos generales, se trata de un promedio de las diferencias de las mediciones de la

También podría gustarte