Asimetra

Las medidas de asimetra son indicadores que permiten establecer el grado de simetra (o asimetra) que presenta una distribucin de probabilidad de una variable aleatoria sin tener que hacer su representacin grfica. Existen medidas que indican de la simetra o asimetra de la distribucin y del achatamiento o no de la misma. Empezando con la simetra, es lgico pensar que si la distribucin tiene una nica moda y es simtrica, entonces las tres medidas de centralizacin coinciden. Si no es simtrica, suele suceder que la mediana est comprendida entre la moda y la media. Medidas de simetra o asimetra. Miden la mayor o menor simetra de la distribucin. Existen dos medidas de este tipo: ndice de simetra de Pearson:

ndice de simetra de Fisher:

Si la distribucin es simtrica, ambos ndices son iguales a 0; si es asimtrica a la derecha, ambos son positivos; y si es asimtrica a la izquierda, ambos ndices son negativos. Medidas de curtosis. Miden la mayor o menor concentracin de datos alrededor de la media. Se suele medir con el coeficiente de curtosis:

Si este coeficiente es nulo, la distribucin se dice normal (similar a la distribucin normal de Gauss) y recibe el nombre de mesocrtica. Si el coeficiente es positivo, la distribucin se llama leptocrtica, ms puntiaguda que la anterior. Hay una mayor concentracin de los datos en torno a la media.

Si el coeficiente es negativo, la distribucin se llama platicrtica y hay una menor concentracin de datos en torno a la media. Sera ms achatada que la primera. Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media aritmtica). La asimetra presenta tres estados diferentes [Fig.5-1], cada uno de los cuales define de forma concisa como estn distribuidos los datos respecto al eje de asimetra. Se dice que la asimetra es positiva cuando la mayora de los datos se encuentran por encima del valor de la media aritmtica, la curva es Simtrica cuando se distribuyen aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce como asimetra negativa cuando la mayor cantidad de datos se aglomeran en los valores menores que la media.

Figura 5-1

El Coeficiente de asimetra, se representa mediante la ecuacin matemtica,

Ecuacin 5-9

Donde (g1) representa el coeficiente de asimetra de Fisher, (Xi) cada uno de los valores, ( ) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta ecuacin se interpretan: (g1 = 0): Se acepta que la distribucin es Simtrica, es decir, existe aproximadamente la misma cantidad de valores a los dos lados de la media. Este valor es difcil de conseguir por lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos ( 0.5).

(g1 > 0): La curva es asimtricamente positiva por lo que los valores se tienden a reunir ms en la parte izquierda que en la derecha de la media. (g1 < 0): La curva es asimtricamente negativa por lo que los valores se tienden a reunir ms en la parte derecha de la media.

Sesgo
Es el grado de asimetra que tiene la distribucin. La distribucin puede ser: - Insesgada: Si tiene forma de campana y el rea acumulada del centro de la distribucin a la derecha es igual a la que se acumula a la izquierda.

Insesgada

Moda=Mediana=Media

Con sesgo positivo o a la derecha: Si tiene la mayor acumulacin de frecuencias a la izquierda y una cola larga a la derecha.

Sesgo Positivo (a la derecha) Moda Mediana Media

Con sesgo negativo o a la izquierda: Si la mayor acumulacin est a la derecha y tiene una cola larga a la izquierda.

Sesgo Negativo (a la izquierda) Moda Mediana Media

Curtosis o medida de apuntamiento

Mide qu tan puntiaguda es una distribucin, con respecto a la Normal, La distribucin puede ser: - Mesocrtica: solo la distribucin Normal (es el trmino medio). - Leptocrtica: Las distribuciones ms puntiagudas que la Normal. - Platocrtica: Las distribuciones menos puntiagudas que la Normal.
Leptocrtica Mesocrtica Platocrtica

Sesgo 1er. y 2o. Coeficiente de Pearson, Que dicen?

Primer coeficiente de Pearson: Una medida de asimetra se da por la diferencia entre la media y la moda. Esta medida puede adimensionarse, dividindola por una medida de dispersin como la desviacin estndar. Segundo coeficiente de Pearson: Para curvas de frecuencias unimodales que son moderadamente asimtricas (sesgadas), se tiene la formula emprica: Media Moda = 3(Media Mediana) Por lo tanto, sin utilizar la moda, tenemos que la medida se puede adimensionar as:

El segundo coeficiente de disimetra de Pearson mide el alejamiento de la simetra expresando la diferencia entre la media y la mediana en relacin con la desviacin estndar del grupo de mediciones. Es importante resaltar que: Para una distribucin simtrica el valor del coeficiente de disimetra siempre sera cero, ya que la media y la mediana tienen igual valor. Para una distribucin positivamente disimtrica, la media es siempre mayor que la mediana, por lo tanto el valor del coeficiente ser positivo. Para una distribucin negativamente disimtrica, la media es menor que la mediana, en consecuencia el valor del coeficiente ser negativo.

Curtosis qu es y cmo se calcula?

En teora de prevalida y estadstica la curtosis es una medida de la forma o apuntamiento de las distribuciones. As las medidas de curtosis (tambin llamadas de apuntamiento o de concentracin central) tratan de estudiar la mayor o menor concentracin de frecuencias alrededor de la media y en la zona central de la distribucin. El coeficiente de apuntamiento de uso ms extendido es el basado en el cuarto momento con respecto a la media y se define como:

Donde 4 es el 4 momento centrado con respecto a la media y es la desviacin estndar.

En ocasiones se emplea esta otra definicin del coeficiente de curtosis:

Donde al final se ha sustrado 3 (que es la curtosis de la Normal) con objeto de generar un coeficiente que valga 0 para la Normal y tome a sta como referencia de apuntamiento: Tomando, pues, la distribucin normal como referencia, una distribucin puede ser:

ms apuntada que la normal leptocrtica. menos apuntada que la normal- platicrtica. la distribucin normal es mesocrtica. En la distribucin normal se verifica que 4 = 34, donde 4 es el momento de orden 4 respecto a la media y la desviacin tpica.

As tendremos que:

Si la distribucin es leptocrtica 2 > 3 y g2 > 0 Si la distribucin es platicrtica 2 < 3 y g2 < 0 Si la distribucin es mesocrtica 2 = 3 y g2 = 0

Otra forma de medir la curtosis se obtiene examinando la frmula de la curtosis de la suma de variables aleatorias. Si Y es la suma de n variables aleatorias estadsticamente independiente, todas con igual distribucin X, entonces curtosis se hubiese definido como . , complicndose la frmula si la

Momento
Existen dos tipos de momentos:

Momentos respecto del origen

Dada una variable aleatoria X con funcin de probabilidad o densidad f(x) podemos definir una funcin de X que sea igual a la variable elevada a un exponente entero no negativo.

El valor esperado de z(x) es el k-simo momento de la variable X respecto a su origen y se llama

k=0 k=1

A este primer momento respecto al origen que es igual al valor esperado se le llama tambin media aritmtica de la variable y se le denomina X, simplemente . En la mayora de los casos, la media expresa la tendencia central de la variable o el orden de magnitud de sus valores.

El resto de los momentos respecto al origen tienen escaso inters en la mayora de los casos.
Momentos respecto a la media

Dada una variable aleatoria X con funcin de probabilidad o densidad f(x) podemos definir una funcin de X que sea igual a la diferencia entre la variable y su media aritmtica elevada a un exponente entero no negativo.

El valor esperado de z(x) es el k-simo momento de la variable X respecto a la media y se llama k.

k=0 k=1 Es decir, en cualquier variable aleatoria su primer momento respecto de la media es igual a 0. Esta propiedad se utilizar reiteradamente en las demostraciones estadsticas. k=2 Este segundo momento respecto de la media se le llama tambin varianza.

La varianza de una variable mide la dispersin de sus valores respecto al valor central . Para calcular la varianza por un mtodo ms sencillo se utiliza la expresin:

Es decir, la varianza de una variable es igual a la media de los cuadrados menos el cuadrado de la media.

Coeficiente Momento de Sesgo ( a 3 )

Coeficiente Momento de Sesgo ( a 3 ): se calcula dividiendo el tercer momento respecto a la media entre la desviacin estndar al cubo: Datos No Agrupados:

a3

m3 S3

x
n i 1

ns 3

Datos Agrupados:

a3

m3 S3

f x
k i1 i

ns3

Coeficiente momento de sesgo

a3 = 0

Sesgo No hay sesgo. La distribucin es insesgada La distribucin tiene sesgo positivo o a la derecha. La distribucin tiene sesgo negativo o a la izquierda.

a3 > 0
a3 < 0

Coeficiente momento de curtosis ( a 4 )

Coeficiente momento de curtosis ( a 4 ): se calcula dividiendo el cuarto momento respecto a la media entre la varianza al cuadrado (o la desviacin estndar a la cuarta). Datos No Agrupados:

a4

m4 S4

x
n i 1

ns 3

Datos Agrupados

a4

m4 S4

f x
k i1 i

ns 4
Coeficiente curtosis
a4 = 3 a4 > 3

momento

de Curtosis

La distribucin es Mesocrtica. La distribucin es Leptocrtica. La distribucin es Platocrtica.

a4 < 3

Universidad Tecnolgica de Bolvar - Facultad de Estudios Tcnicos y Tecnolgicos

TRABAJO DE ESTADISTICA

TEMA Medios de asimetra y de apuntamiento. INTEGRANTES: Sarabia crcamo josse T00027615 Guerrero Ramrez Lenidas Jos T00027450 Docentes Wilfredo berrio blanco Curso Tecnologa en sistemas

19-septiembre-2011

Cartagena - Bolvar