Assimetria

José Tadeu de Almeida

Introdução
Nesta aula, aprofundaremos nosso conhecimento sobre a assimetria. Para isso, verificare-
mos quais as situações em que, utilizando-nos de uma distribuição de dados, é possível identificar
se há uma tendência de distribuição de dados ao longo da média, ou se o conjunto possui alguma
desigualdade. Assim, entenderemos o conceito e as características das distribuições simétricas
e assimétricas.

Objetivos de aprendizagem
Ao final desta aula, você será capaz de:

•• identificar os tipos de assimetria baseados na posição relativa entre a média e a

mediana.

1 Conceito de assimetria
Quando pensamos em assimetria, normalmente, estamos considerando uma desigualdade,
uma discrepância, uma tendência. Já a simetria, por sua vez, pressupõe uma organização de ele-
mentos que segue uma ordem, uma coincidência de informações (CRESPO, 2005). Além disso,
na Estatística, quando analisamos uma distribuição de dados associada a uma amostra ou a
uma população, é comum efetuarmos alguns cálculos denominados medidas de posição, como
a média (que denota o ponto equidistante entre os dois extremos de uma distribuição), a mediana
(que divide os dados do conjunto em duas partes iguais) e a moda (o elemento que se repete com
maior frequência).
Deste modo, quando analisamos graficamente esta distribuição, verificamos se ela é simé-
trica, ou seja, igualmente distribuída em relação à média, ou assimétrica, quando há uma diferença
em relação à distribuição de dados em torno da média. Assim, quanto maior for esta diferença,
pode-se dizer que a distribuição é mais assimétrica (CRESPO, 2005).
Para entender melhor o conceito de assimetria, tomemos um exemplo. Um aluno, ao anali-
sar um conjunto de dados, constrói um histograma - uma representação gráfica em colunas, em
que o eixo horizontal apresenta as classes (intervalos de valores) e o eixo vertical apresenta as
frequências (o número de vezes em que se visualizou um certo dado) - verificando como se dá a
distribuição dos valores para uma característica de interesse.
 Figura 1 – Histograma
Histograma

4
Frequência

0
1 2 3 4 5

Classe

Fonte: elaborada pelo autor, 2016.

No exemplo, vimos que a distribuição dos dados é simétrica, pois, em cinco classes, há o
mesmo número de dados distribuídos em torno da média. Mas, como verificar a simetria de uma
distribuição de dados de um conjunto, ou de uma amostra de várias classes? Nestes casos, utili-
zamos o primeiro Coeficiente de Assimetria de Pearson (Ap), um valor adimensional que permite a
verificação da assimetria, conforme a equação:

X - Mo
Ap =
s

Em que:

Ap = coeficiente de assimetria;

∑ (x − X)
n 2

2 i
S = desvio padrão, que é dado pela equação
i =1

n cujo quadrado corresponde

à variância;
n

O somatório ∑ ( x − X ) mostra os quadrados dos desvios, ou seja, as diferenças de cada dado

2
i
i=1

xi, sendo i =1, 2, 3... até o último dado, n, em relação à média;

x = média das observações, dada pela fórmula X = ∑ i=1 x i / n ;

n

Mo = Moda, ou seja, o elemento que apresenta maior frequência;

= n – número de observações.
 Caso um conjunto de dados não possua moda, utilizamos o segundo coeficiente de assime-
tria de Pearson dado por:

Ap =
3×(
× X − Md )
s

Em que Md representa a mediana, o valor que separa os 50% menores dos 50% maiores
valores.

2 Tipos de assimetria
Uma distribuição de frequências pode ser classificada como simétrica, assimétrica posi-
tiva ou assimétrica negativa, em função de como os dados e frequências são distribuídos
(CRESPO, 2005).

FIQUE ATENTO!
A distribuição simétrica não é preferível à distribuição assimétrica, ou seja, não há
um critério de qualidade em relação à simetria de um conjunto de dados, uma vez
que as características de interesse devem ser fixadas pelo pesquisador.

Quando o Coeficiente de Assimetria de Pearson é igual a zero, observamos que a média é

igual a moda, logo, o ponto que contém a maior frequência corresponde à média, e a distribuição
é perfeitamente simétrica. Na figura anterior, temos um exemplo de distribuição simétrica, uma
vez que a moda, a mediana e a média são iguais e estão na terceira classe. Assim, há o mesmo
número de dados à esquerda e à direita desta classe.
Caso haja uma tendência de acumulação das frequências à esquerda ou à direita da moda,
observaremos que esta distribuição possui uma assimetria. Trata-se do chamado “encauda-
mento” (CRESPO, 2005).

3 Distribuições simétricas - características

A distribuição simétrica ocorre quando uma amostra possui uma característica de interesse
que tenha valores igualmente dispostos em torno da moda e da média. Para Stevenson (2001,
p. 48) a distribuição é simétrica quando “a metade esquerda é a imagem reflexa da metade direita”.

A figura a seguir representa uma distribuição simétrica.

 Figura 2 – Distribuição simétrica

-3 -25 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3

Fonte: elaborada pelo autor, 2016.

FIQUE ATENTO!
Em uma distribuição de frequências, a chamada ‘curva normal’ possui uma distri-
buição simétrica, sendo que cerca de 95% dos dados encontra-se em uma distân-
cia inferior a dois desviospadrões em relação à média.

A distribuição simétrica possui as seguintes características:

• x Md
= = Mo , ou seja, a média, mediana e moda se equivalem;
• Ap = 0, o coeficiente de assimetria é nulo;
• metade do gráfico é a imagem-espelho da outra.

Portanto, há uma pequena probabilidade de visualização de frequências baixas ou altas nas

primeiras e últimas classes destas distribuições, fazendo com que este tipo de distribuição tenha
a forma de um “sino”.

EXEMPLO
Calculemos o coeficiente de assimetria do conjunto de dados A = {1,2,2,3,3,3,4,4,5}.
Primeiro, precisamos obter a média, que é dada por:

(1+ 2 + 2 + 3 + 3 + 3 +=
4 + 4 + 5)
=X ∑=
n
i=1
x /n
i
9
3
 A moda é o elemento com a maior repetição: Mo = 3

A variância desta amostra é dada por:

(1− 3) + ( 2 − 3) + ( 2 − 3) + ( 3 − 3) + ( 3 − 3) + ( 3 − 3)
2 2 2 2 2 2

∑ (x − X=
)
k 2
+ ( 4 − 3) + ( 4 − 3) + (5 − 3)
2 2 2
2 i 12
s= i =1
= = 1,500
n −1 9 −1 8

Deste modo, temos que o desvio padrão amostral é dado=

pors 1,500 1,225
=
2

X − Mo 3 − 3
Assim, o coeficiente de assimetria é=
Ap = = . Logo, a distribuição de fre-
s 1,225

quências associado ao conjunto A é simétrica.

SAIBA MAIS!
Na Estatística, as distribuições simétricas associadas a uma curva normal são
muito utilizadas para a formulação de Testes de Hipóteses. Esses testes procuram
validar o comportamento de características de uma população a partir de uma
amostra representativa da mesma.

4 Distribuições assimétricas positivas

A distribuição assimétrica positiva é conhecida pelo nome de distribuição assimétrica à
direita, devido ao fato de a assimetria ser visualizada na parte direita do gráfico. Na figura a seguir,
a distribuição possui um encaudamento (distorção) à direita, indicando que há pequenas probabi-
lidades de ocorrência de valores mais altos em uma distribuição de dados associada a esta curva.

Figura 3 – Distribuição assimétrica positiva

-1.5 -1 -0.5 0 0.5 1 1.5

Fonte: elaborada pelo autor, 2016.

 A distribuição assimétrica positiva possui as seguintes características:

• Mo < Md < x , ou seja, a moda é menor que a mediana, que é menor que a média;
• Ap > 0, ou seja, o coeficiente de assimetria é maior do que zero;
• o gráfico não cria imagem-espelho entre as metades.

EXEMPLO
Vamos calcular o coeficiente de assimetria do conjunto de dados de uma amostra
dado por:

B = {1,1,1,2,2,5,16}.

A média é dada por

(1+ 1+ 1+ 2 + 2=
+ 5 + 16 )
∑=
n
=X x /ni 4
i=1 7

A moda é o elemento que apresenta a maior repetição, logo Mo = 1

A variância amostral é dada por

(1− 4 ) + (1− 4 ) + (1− 4 ) + ( 2 − 4 ) + ( 2 − 4 ) + (5 − 4 )

2 2 2 2 2 2

∑ ( x − X=
)
k 2
+ (16 − 4 )
2
i 180
s2
= i =1
= = 30
n −1 7 −1 6

Como a variância é igual a 30, o desviopadrão associado a esta amostra é

=s 2
30 5,477
=

Assim, o coeficiente de assimetria é

X − Mo 4 − 1
Ap
= = = 0,548
s 5,477

Como o valor é maior que zero, temos que a distribuição é assimétrica positiva.

Para descobrir o sinal da assimetria (negativa ou positiva), apenas, não é necessário o cálculo
do Coeficiente de Assimetria, basta observar o sinal da diferença entre a Moda e a Média, uma vez
que o Desvio Padrão é sempre maior ou igual a zero.
Na Demografia, área que estuda o comportamento da população sob uma perspectiva esta-
tística, podemos encontrar exemplos de distribuições assimétricas. Em muitos países em desen-
volvimento, de menor nível de renda, costuma-se observar um predomínio de habitantes de menor
idade, uma vez que a baixa expectativa de vida e o crescimento populacional recente fazem com
que a porcentagem de idosos nestes grupos seja pequena (CARVALHO, 2004). Assim, quando dis-
tribuímos os dados por faixas etárias, percebemos uma participação muito grande de indivíduos
com idade inferior à média.
FIQUE ATENTO!
Valores extremamente desassociados a uma distribuição de frequências, ou seja,
atípicos, são denominados outliers. Eles prejudicam a análise estatística, pois inter-
ferem no cálculo da média e dos coeficientes de dispersão e assimetria.

5 Distribuições assimétricas negativas

A distribuição assimétrica negativa recebe a denominação de distribuição assimétrica à
esquerda, pois o “encaudamento” (distorção) está presente na parte esquerda do gráfico. Uma
distribuição assimétrica negativa pode ser evidenciada quando há dados que estejam mais asso-
ciados a um limite inferior, relacionado a classes ou intervalos de classes mais baixos (classes 1,
2, 3...) para uma característica de interesse, de maneira que poucos valores sejam pertencentes a
estas classes.
Figura 4 – Distribuição assimétrica negativa

-1.5 -1 -0.5 0 0.5 1 1.5

Fonte: elaboradapelo autor, 2016.

A distribuição assimétrica negativa caracteriza-se por:

• x < Md < Mo , ou seja, a média é menor que a mediana, que é menor que a moda;
• Ap < 0, o coeficiente de assimetria é menor que zero;
• o gráfico não cria imagem-espelho entre as metades.

Por exemplo, no conjunto de dados: C = {1,1,2,3,4,4,4}, a média é dada por

n (1+ 1+ 2 + 3 +=
4 + 4 + 4)
=X ∑=
i=1
x /n
i
7
2,714

A moda é Mo = 4
 A variância da amostra é

∑ (x − X)
k 2

2 i
s = i =1

n −1

(1− 2,714 ) + (1− 2,714 ) + ( 2 − 2,714 ) + ( 3 − 2,714 ) + ( 4 − 2,714 ) + ( 4 − 2,714 )

2 2 2 2 2 2

+ ( 4 − 2,714 )
2

=
7 −1

11,429
=
6

∑ (x=
− X)
k 2
i 11,429
=s2 i =1
= 1,904
n −1 6

=
Logo, o desvio padrão amostral é s 1,904 1,38 . Assim, temos que o coeficiente de assi-
=
2

X − Mo 2,714 − 4
metria é Ap = = = −0,932 . Como Ap é menor que zero, a distribuição é assimé-
s 1,38
trica negativa. Aqui, da mesma forma que no exemplo anterior, não é necessário o cálculo do
Coeficiente de Assimetria para saber o sinal da assimetria, pois como a Média (2,714) é menor que
a Moda (4), a assimetria é negativa.
Para sabermos se uma distribuição é pouco ou muito assimétrica, com base na análise do
coeficiente de assimetria de Pearson, temos de tomar o módulo, que representa os valores abso-
lutos, de tal coeficiente. Assim, temos que, caso o valor, em módulo, para o coeficiente seja inferior
a 1, a distribuição é pouco assimétrica. No entanto, quando o valor é superior a 1, a distribuição é
muito assimétrica.

SAIBA MAIS!
Conheça exemplos de distribuições simétricas e assimétricas no estudo do Instituto
Brasileiro de Geografia e Estatística (IBGE) sobre a população brasileira. Acesse:
[Link]
[Link] .

Fechamento
Nesta aula, você teve a oportunidade de:

• entender o que são distribuições simétricas e assimétricas;

• conhecer o Coeficiente de Assimetria de Pearson;
• conhecer a classificação das distribuições assimétricas.
Referências
CARVALHO, José Alberto Magno. Crescimento populacional e estrutura demográfica no Brasil.
Texto para Discussão. n. 227, Cedeplar/UFMG, 2004. Disponível em: <[Link]
br/pesquisas/td/TD%[Link]>. Acesso em: 17 fev 2017.

CRESPO, Antonio. Estatística Fácil. São Paulo: Saraiva, 2005.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Projeção da população por sexo

e idade: Brasil 2000-2060. Disponível em: <[Link]
imprensa/ppts/[Link].>. Acesso em: 13 fev. 2017.

STEVENSON, William J. Estatística Aplicada à Administração. São Paulo: Editora Harbra, 2001.