MEDIDAS DE FORMA

• 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. Algunas medidas de forma son:

• Asimetría: coeficientes de asimetría de Fisher y Pearson. Otros Coeficientes de asimetría.

• La ley normal.
• Curtosis o aplastamiento: coeficiente de Fisher.
• Medidas de concentración: Índice de Gini y Curva de Lorenz.
 ASIMETRÍA: COEFICIENTES DE
ASIMETRÍA DE FISHER Y PEARSON.
OTROS COEFICIENTES DE ASIMETRÍA
• Medidas de forma:
• Asimetría
• Curtosis o apuntamiento.
Las medidas de forma de una distribución se pueden clasificar en dos grandes grupos o bloques:
medidas de asimetría y medidas de curtosis.
Cuando al trazar una vertical, en el diagrama de barras o histograma, de una variable, según sea
esta discreta o continua, por el valor de la media, esta vertical, se transforma en eje de simetría,
decimos que la distribución es simétrica. Diremos pues, que es simétrica, cuando a ambos lados
de la media aritmética haya el mismo nº de valores de la variable, equidistantes de dicha media
dos a dos, y tales que cada par de valores equidistantes tiene la misma frecuencia absoluta. En
caso contrario, dicha distribución será asimétrica o diremos que presenta asimetría.
 COEFICIENTE DE ASIMETRÍA
El coeficiente de asimetría es una medida estadística utilizada para describir la forma
como se encuentran distribuidas las frecuencias correspondientes a los diferentes
valores de la variable en estudio.

Este coeficiente permite medir la falta de simetría de una distribución,

entendiéndose por distribución simétrica, aquella en la cual existe un punto o valor
central que divide una distribución en dos partes exactamente iguales, en otras
palabras, la distribución de las frecuencias correspondientes a los valores
menores es igual a la distribución de las frecuencias de los valores mayores.

En este sentido cuando una distribución es asimétrica negativa existe mayor

concentración de valores a la izquierda de la media que a su derecha, y cuando una
distribución es asimétrica positiva se presenta todo lo contrario.
VEAMOS
GRÁFICAMENTE

ASIMETRIA NEGATIVA: PROMEDIO < MEDIANA < MODA

SIMETRIA: PROMEDIO = MEDIANA = MODA

ASIMETRIA NEGATIVA: PROMEDIO > MEDIANA > MODA

El coeficiente de asimetría, se puede calcular aplicando la formula de Pearson, en
función de la media y la mediana, aun cuando existen otras

3 * (μ  M e d )
AP 
S

EJEMPLO DE CÁLCULO
DATOS:
µ = 11,62
Med = 11,26
S = 4,58

3 * (11,62  11,26)
AP  

(0,23)
INTERPRETACIÓN DEL RESULTADO
TABLA DE VALORES PARA INTERPRETACION DEL COEFICIENTE DE ASIMETRIA DE PEARSON
COEFICIENTE NEGATIVO O POSITIVO IGUAL O MENOR A 0,37 DISTRIBUCIÓN CUASI-SIMÉTRICA
COEFICIENTE NEGATIVO O POSITIVO ENTRE 0,38 Y 1,00 DISTRIBUCIÓN ASIMÉTRICA ACEPTABLE
COEFICIENTE NEGATIVO O POSITIVO MAYOR QUE 1,00 DISTRIBUCIÓN ASIMÉTRICA TOTAL

El resultado de (0,24), indica que la distribución de calificaciones

enestudio es Cuasi-simétrica positiva. Nótese que el resultado es menor a 0,37.
• Para calcular la asimetría, una posibilidad, es utilizar el llamado coeficiente de
FISHER que representaremos como g1 y responderá a la siguiente expresión
matemática:

Según sea el valor de g1, diremos que la distribución es asimétrica a derechas o

positiva, a izquierdas o negativa, o simétrica, o sea:
Si g1 > 0  la distribución será asimétrica positiva o a derechas (desplazada hacia la
derecha).
Si g1 < 0  la distribución será asimétrica negativa o a izquierdas (desplazada
hacia la izquierda).
Si g1 = 0  la distribución será simétrica.
• Otro coeficiente es el coeficiente de asimetría de Bowley, menos
utilizado. El cual esta basado en la posición de los cuartiles y la
mediana, para lo cual los relacionaremos de acuerdo con la siguiente
expresión:
 CURTOSIS

1.- LEPTOCURTICA: Apuntamiento Alto (Alta concentración de los datos en torno al centro de la serie)

2.- MESOCURTICA: Apuntamiento Normal (Concentración media de los datos en torno al centro de la serie)

3.- PLATICURTICA: Apuntamiento Bajo (Baja concentración de los datos en torno al centro de la serie)
El valor de comparación para el coeficiente de curtosis por los momentos es (3),

el cual representa el valor de la curtosis normal o (Mesocurtica) , en este sentido

cuando una distribución presenta un coeficiente mayor a (3), se dice que es de

apuntamiento alto con respecto a la normal (Leptocúrtica) en cuyo caso los

valores de la variable en estudio son muy similares, pero si por el contrario su valor es

menor que (3), se dice que es de apuntamiento bajo con respecto a la normal

(Platicúrtica) en cuyo caso los valores de la variable en estudio son de gran

variación.
Existen varias formulas para calcular el Coeficiente de Curtosis, sin embargo en este curso
utilizaremos la curtosis por los momentos o formula de Fisher:

4 4
Cm  Σ(Xi  μ) *
Fi (n) * 4
(S)
El problema de la curtosis, no radica en calcular su valor, sino en determinar a través del

resultado que tipo de apuntamiento se presenta en la serie de datos que se está analizando.

En tal sentido, a continuación presentamos una tabla que facilitará la labor de determinar el
tipo de apuntamiento de acuerdo con el resultado obtenido
TABLA DE INTERPRETACION PARA CURTOSIS POR LOS
MOMENTOS (FISHER)

CURTOSIS < 3 BAJA (PLATICURTICA)

CURTOSIS = 3 NORMAL (MESOCURTICA)

CURTOSIS >3 ALTA (LEPTOCURTICA)

VEAMOS UN EJEMPLO DE CÁLCULO:
Tomando como referencia los datos agrupados anteriormente, y los resultados obtenidos tanto de la Media Aritmética,
como de la Desviación Típica.

PASOS A SEGUIR:
1.- Si se va a trabajar con datos agrupados, hay que elaborar la tabla de distribución de frecuencias.
2.- Se calcula la Media Aritmética
3.- Se calcula la Desviación Típica
4.- Se calcula el Coeficiente de Curtosis aplicando la formula
respectiva.
5.- Se interpreta el resultado

DATOS:
 = (11,62)
S = (4,58)
n = (50)
 Xi  X i –  ( X i –  ) 4 F i ( Xi –  ) 4 * F i
4 11 , 6 - 7, 62 3 3 7 1 , 4 7 5 16857,37
7 11 , 6 - 4, 62 455,58 8 3644,66
10 11 , 6 - 1. 62 6,88 13 89,53
13 11 , 6 1,38 3,62 10 36,26
16 11 , 6 4,38 368,04 7 2576,28
19 11 , 6 7,38 2966,37 7 20764,59
 50 43968,69

4
43968,69
Cm
4
 Σ(X i  μ) * Fi Cm 4   (1,99)
4
(n) * (50) * (4,58) 4
(S)
Este resultado indica que estamos en presencia de una curtosis menor que (3), que es el valor de referencia, por lo
tanto es una curtosis PLATICURTICA. Por otro lado vemos que al ser PLATICURTICA, los valores de la distribución de
datos en estudio son de gran variación.