¿Qué son las medidas de forma?
En estadística, las medidas de forma son unos indicadores que permiten describir una
distribución de probabilidad según la forma que tiene. Es decir, las medidas de forma
sirven para determinar cómo es una distribución sin necesidad de representarla
gráficamente.
Existen dos tipos de medidas de forma: la asimetría y la curtosis. La asimetría indica el
grado de simetría de una distribución, mientras que la curtosis indica el grado de
concentración de una distribución alrededor de su media.
Ir al contenido
Probabilidad y Estadística
Main Menu
Medidas de forma
En este artículo se explican cuáles son las medidas de forma. Así que encontrarás para qué sirven
las medidas de forma, cómo se interpretan las medidas de forma y cómo se calculan este tipo de
métricas estadísticas.
Índice
¿Qué son las medidas de forma?
¿Cuáles son las medidas de forma?
Asimetría
Coeficiente de asimetría
Curtosis
Coeficiente de curtosis
Otros tipos de medidas estadísticas
¿Qué son las medidas de forma?
En estadística, las medidas de forma son unos indicadores que permiten describir una distribución
de probabilidad según la forma que tiene. Es decir, las medidas de forma sirven para determinar
cómo es una distribución sin necesidad de representarla gráficamente.
Existen dos tipos de medidas de forma: la asimetría y la curtosis. La asimetría indica el grado de
simetría de una distribución, mientras que la curtosis indica el grado de concentración de una
distribución alrededor de su media.
Las medidas de forma utilizadas son: el coeficiente de asimetría y el coeficiente de curtosis.
- El Coeficiente de Asimetría
Este coeficiente, adimensional e invariante frente a cambios de origen y escala, vale cero cuando
la variable es simétrica y está definido como
Para distribuciones unimodales con desviación a la derecha el coeficiente es positivo y se dice que
la distribución es asimétrica positiva o a la izquierda. Por el contrario, para distribuciones
unimodales con desviación a la izquierda el coeficiente toma un valor negativo y se dice que la
distribución es asimétrica negativa o a la derecha.
- El Coeficiente de Curtosis o Apuntamiento
Para estudiar el aplastamiento o apuntamiento de las distribuciones continuas unimodales se
utiliza el coeficiente de curtosis definido como
Este coeficiente, también adimensional e invariante ante cambios de origen y de escala, toma el
valor cero cuando la distribución presenta el mismo perfil que la distribución normal
correspondiente (de misma media y varianza).
Si la distribución es más apuntada que la normal entonces el coeficiente es positivo y se dice que
la distribución es leptocúrtica; si es más aplastada el coeficiente es negativo y se dice que la
distribución es platicúrtica y si presenta el mismo perfil que la normal entonces es cero y se
denomina distribución mesocúrtica.
En las distribuciones discretas no tiene sentido comparar el perfil de la función de probabilidad
con el de la función de densidad normal, aún así, se puede obtener el coeficiente e interpretarlo
en el sentido del reparto de la probabilidad en la recta real. Así, por ejemplo, en este caso un
coeficiente positivo indica que la variable acumula más probabilidad en el centro y menos en las
colas que la normal correspondiente, y si es negativo, justo al contrario.
¿Cuáles son las medidas de forma?
Vista la definición de medidas de forma, en este apartado se muestran cuáles son este tipo de
parámetros estadísticos.
En estadística, se distinguen dos medidas de forma:
Asimetría: indica si una distribución es simétrica o asimétrica.
Curtosis: indica si una distribución es escarpada o achatada.
Asimetría
Hay tres tipos de asimetría:
Asimetría positiva: la distribución tiene más valores diferentes a la derecha de la media que a su
izquierda.
Simetría: la distribución tiene el mismo número de valores a la izquierda que a la derecha de la
media.
Asimetría negativa: la distribución tiene más valores diferentes a la izquierda de la media que a su
derecha.
Tipos de asimetria
Coeficiente de asimetría
El coeficiente de asimetría, o índice de asimetría, es un coeficiente estadístico que permite
determinar la asimetría de una distribución. De manera que calculando el coeficiente de asimetría
se pude saber qué tipo de asimetría posee la distribución sin tener que hacer su representación
gráfica.
Aunque existen diferentes fórmulas para calcular el coeficiente de asimetría, y seguidamente
veremos todas ellas, independientemente de la fórmula utilizada la interpretación del coeficiente
de asimetría siempre se hace de la siguiente manera:
Si el coeficiente de asimetría de es positivo, la distribución es asimétrica positiva.
Si el coeficiente de asimetría de es igual a cero, la distribución es simétrica.
Si el coeficiente de asimetría de es negativo, la distribución es asimétrica negativa.
Coeficiente de asimetría de Fisher
El coeficiente de asimetría de Fisher es igual al tercer momento en torno a la media dividido por la
desviación estándar de la muestra. Por lo tanto, la fórmula del coeficiente de asimetría de Fisher
es la siguiente:
\displaystyle\gamma_1=\frac{\mu_3}{\sigma^3}
Equivalentemente, se puede usar cualquiera de las siguientes dos fórmulas para calcular el
coeficiente de Fisher:
\displaystyle\gamma_1=\frac{\displaystyle \sum_{i=1}^N\left(x_i-\mu\right)^3}{N\cdot \sigma ^3}
\displaystyle\gamma_1=\frac{\operatorname{E}[X^3] – 3\mu\sigma^2 - \mu^3}{\sigma^3}
Donde Ees la esperanza matemática, \mula media aritmética, \sigmala desviación estándar y Nel
número total de datos.
Por otro lado, si los datos están agrupados puedes usar la siguiente fórmula:
\displaystyle\gamma_1=\frac{\displaystyle \sum_{i=1}^N\left(x_i-\mu\right)^3\cdot f_i}{N\cdot \
sigma ^3}
Donde en este caso x_ies la marca de clase y f_ila frecuencia absoluta de la clase.
Coeficiente de asimetría de Pearson
El coeficiente de asimetría de Pearson es igual a la diferencia entre la media y la moda de la
muestra partido por su desviación típica (o desviación estándar). De modo que la fórmula del
coeficiente de asimetría de Pearson es la siguiente:
A_p=\cfrac{\mu-Mo}{\sigma}
Donde A_pes el coeficiente de Pearson, \mula media aritmética, Mola moda y \sigmala desviación
típica.
Ten presente que el coeficiente de asimetría de Pearson solamente se puede calcular si es una
distribución unimodal, es decir, si hay una única moda en los datos.
Coeficiente de asimetría de Bowley
El coeficiente de asimetría de Bowley es igual a la suma del tercer cuartil más el primer cuartil
menos el doble de la mediana partido por la diferencia entre el tercer y el primer cuartil. Por
tanto, la fórmula de este coeficiente de asimetría es la siguiente:
A_B=\cfrac{Q_3+Q_1-2\cdot Me}{Q_3-Q_1}
Donde Q_1y Q_3son el primer y el tercer cuartil respectivamente y Mees la mediana de la
distribución.
Curtosis
La curtosis, también llamada apuntamiento, indica el grado de concentración de una distribución
alrededor de su media. Es decir, la curtosis muestra si una distribución es escarpada o achatada.
En concreto, cuanto mayor sea la curtosis de una distribución más escarpada (o apuntada) es.
Curtosis
Hay tres tipos de curtosis:
Leptocúrtica: la distribución es muy apuntada, es decir, los datos están muy concentrados
alrededor de la media. En concreto, las distribuciones leptocúrticas se definen como aquellas
distribuciones más apuntadas que la distribución normal.
Mesocúrtica: la curtosis de la distribución es equivalente a la curtosis de la distribución normal.
Por tanto, no se considera ni apuntada ni achatada.
Platicúrtica: la distribución es muy achatada, es decir, la concentración en torno a la media es baja.
Formalmente, las distribuciones platicúrticas se definen como aquellas distribuciones más
achatadas que la distribución normal.
Fíjate que los diferentes tipos de curtosis se definen tomando como referencia la curtosis de la
distribución normal.
Tipos de curtosis
Coeficiente de curtosis
La fórmula del coeficiente de curtosis es:
\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N(x_i-\mu)^4}{\sigma^4}-3
La fórmula del coeficiente de curtosis para datos agrupados en tablas de frecuencias:
\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N f_i\cdot(x_i-\mu)^4}{\
sigma^4}-3
Por último, la fórmula del coeficiente de curtosis para datos agrupados en intervalos:
\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N f_i\cdot(c_i-\mu)^4}{\
sigma^4}-3
Donde:
G_2es el coeficiente de curtosis.
Nes el número total de datos.
X_ies el dato i-ésimo de la serie.
\mues la media aritmética de la distribución.
\sigmaes la desviación estándar (o desviación típica) de la distribución.
F_ies la frecuencia absoluta del grupo de datos i-ésimo.
C_ies la marca de clase del grupo i-ésimo.
Ten en cuenta que en todas las fórmulas del coeficiente de curtosis se resta 3 porque es el valor de
la curtosis de la distribución normal. De modo que el cálculo del coeficiente de curtosis se hace
tomando como referencia la curtosis de la distribución normal. Por eso en ocasiones en estadística
se dice que se calcula el exceso de curtosis.
Una vez se ha calculado el coeficiente de curtosis, se debe interpretar de la siguiente manera para
identificar qué tipo de curtosis se trata:
Si el coeficiente de curtosis es positivo, significa que la distribución es leptocúrtica.
Si el coeficiente de curtosis es igual a cero, significa que la distribución es mesocúrtica.
Si el coeficiente de curtosis es negativo, significa que la distribución es platicúrtica.
Otros tipos de medidas estadísticas
También te puede interesar cualquiera de las siguientes medidas estadísticas, haz clic en una para
ver cuáles son y cómo se calculan.
Medidas de centralización
Medidas de posición
Medidas de dispersión
TwitterFacebookEmailWhatsAppPinterestGoogle ClassroomCopy LinkCompartir
Deja un comentario
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con
*
Escribe aquí…
Escribe aquí…
Nombre*
Nombre*
Correo electrónico*
Correo electrónico*
Web
Web
Buscar
Buscar
Copyright © 2023 Probabilidad y Estadística
Política de Cookies | Política de Privacidad | Aviso legal
Qué es la correlación?
La correlación es una medida estadística que expresa hasta qué punto dos variables están
relacionadas linealmente (esto es, cambian conjuntamente a una tasa constante). Es una
herramienta común para describir relaciones simples sin hacer afirmaciones sobre causa y efecto.
Alumno
Estatura
Peso
Alumno
Estatura
Peso
Alumno
Estatura
Peso
Alumno 1
1,25
32
Alumno 11
1,25
33
Alumno 21
1,25
33
Alumno 2
1,28
33
Alumno 12
1,28
35
Alumno 22
1,28
34
Alumno 3
1,27
34
Alumno 13
1,27
34
Alumno 23
1,27
34
Alumno 4
1,21
30
Alumno 14
1,21
30
Alumno 24
1,21
31
Alumno 5
1,22
32
Alumno 15
1,22
33
Alumno 25
1,22
32
Alumno 6
1,29
35
Alumno 16
1,29
34
Alumno 26
1,29
34
Alumno 7
1,30
34
Alumno 17
1,30
35
Alumno 27
1,30
34
Alumno 8
1,24
32
Alumno 18