Introduccin

Dentro de la estadstica se tienen diversas herramientas para la

presentacin de los datos, de all deviene su importancia la cual radica en la
recoleccin y agrupamiento de datos para construir con ellos informes
estadsticos que den idea sobre diferentes y muy variados temas, siempre
desde un punto de vista cuantitativo y no cualitativo.
Asimismo, se puede hacer uso de los parmetros de centralizacin y de
dispersin que son las medidas ms frecuentes en cualquier estudio
estadstico. Sin embargo existen tambin medidas que indican la simetra o
asimetra de la distribucin y del achatamiento o elevacin que presenta esos
datos en los grficos estadsticos. As, en la presente investigacin
documental se trataran dichos temas de las medidas de forma (asimetra y
curtosis), junto a las frmulas para su clculo y su representacin grfica
para as fomentar los conocimientos de los variados mtodos que se pueden
utilizar en la estadstica.

MEDIDAS DE FORMA
Comparan la forma que tiene la representacin grfica, bien sea el
histograma o el diagrama de barras de la distribucin, con la distribucin
normal, y son dos bsicamente asimetra y curtosis.
MEDIDAS DE ASIMETRIA
Existen varias medidas de la asimetra de una distribucin de frecuencias.
Una de ellas es el Coeficiente de Asimetra de Pearson Una distribucin es
simtrica cuando su mediana, su moda y su media aritmtica coinciden y su
valor es cero (0). Se dice que una distribucin es asimtrica a la derecha y
positiva si las frecuencias (absolutas o relativas) descienden ms lentamente
por la derecha que por la izquierda y viceversa
ASIMETRA
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 positivacuando 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 negativacuando la
mayor cantidad de datos se aglomeran en los valores menores que la media.

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.
Desde luego entre mayor sea el nmero (Positivo o Negativo), mayor ser
la distancia que separa la aglomeracin de los valores con respecto a la
media.
MEDIDAS DE APUNTAMIENTO O CURTOSIS Miden la mayor o menor
cantidad de datos que se agrupan en torno a la moda. Se definen 3 tipos de
distribuciones segn su grado de curtosis: Distribucin mesocrtica:
presenta un grado de concentracin medio alrededor de los valores centrales
de la variable (el mismo que presenta una distribucin normal). Distribucin
leptocrtica presenta un elevado grado de concentracin alrededor de los
valores centrales de la variable. Distribucin platicrtica: presenta un
reducido grado de concentracin alrededor de los valores centrales de la
variable.
MEDIDAS DE ASIMETRA
Coeficiente de Karl Pearson

Donde:
= media aritmtica.
Md = Mediana.
s = desviacin tpica o estndar.
Nota:
El Coeficiente de Pearson vara entre -3 y 3
Si As < 0 ? la distribucin ser asimtrica negativa.
Si As = 0 ? la distribucin ser simtrica.
Si As > 0 ? la distribucin ser asimtrica positiva.
Medida de Yule Bowley o Medida Cuartlica

Donde:
= Cuartil uno;
= Cuartil dos = Mediana;
= Cuartil tres.
Nota:
La Medida de Bowley vara entre -1 y 1
Si As < 0 ? la distribucin ser asimtrica negativa.
Si As = 0 ? la distribucin ser simtrica.
Si As > 0 ? la distribucin ser asimtrica positiva.
Medida de Fisher
Para datos sin agrupar se emplea la siguiente frmula:

Para datos agrupados en tablas de frecuencias se emplea la siguiente frmula:

Para datos agrupados en intervalos se emplea la siguiente frmula:

Donde:
= cada uno de los valores; n = nmero de datos; = media aritmtica; f = frecuencia absoluta
= cubo de la desviacin estndar poblacional; xm = marca de clase
Nota:
Si As < 0 ?Indica que existe presencia de la minora de datos en la parte izquierda de la media, aunque
en algunos casos no necesariamente indicar que la distribucin sea asimtrica negativa
Si As = 0 ? la distribucin ser simtrica
Si As > 0 ? Indica que existe presencia de la minora de datos en la parte derecha de la media, aunque
en algunos casos no necesariamente indicar que la distribucin sea asimtrica positiva

CURTOSIS
Esta medida determina el grado de concentracin que presentan los
valores en la regin central de la distribucin. Por medio del Coeficiente de
Curtosis, podemos identificar si existe una gran concentracin de valores
(Leptocrtica), una concentracin normal (Mesocrtica) una baja
concentracin (Platicrtica).

Para calcular el coeficiente de Curtosis se utiliza la ecuacin:

Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los

valores, () la media de la muestra y (ni) la frecuencia de cada valor. Los
resultados de esta frmula se interpretan:
(g2 = 0) la distribucin es Mesocrtica: Al igual que en la asimetra es
bastante difcil encontrar un coeficiente de Curtosis de cero (0), por lo que se
suelen aceptar los valores cercanos ( 0.5 aprox.).
(g2 > 0) la distribucin es Leptocrtica
(g2 < 0) la distribucin es Platicrtica
Cuando la distribucin de los datos cuenta con un coeficiente de asimetra
(g1 = 0.5) y un coeficiente de Curtosis de (g2 = 0.5), se le denomina Curva
Normal. Este criterio es de suma importancia ya que para la mayora de los

procedimientos de la estadstica de inferencia se requiere que los datos se

distribuyan normalmente.
La principal ventaja de la distribucin normal radica en el supuesto que el
95% de los valores se encuentra dentro de una distancia de dos
desviaciones estndar de la media aritmtica (Fig.5-3); es decir, si tomamos
la media y le sumamos dos veces la desviacin y despus le restamos a la
media dos desviaciones, el 95% de los casos se encontrara dentro del rango
que compongan estos valores
Medida de Fisher
Para datos sin agrupar se emplea la siguiente frmula:

Para datos agrupados en tablas de frecuencias se emplea la siguiente frmula:

Para datos agrupados en intervalos se emplea la siguiente frmula:

Conclusin
La evolucin de la estadstica ha llegado al punto en que su proyeccin se
percibe en casi todas las reas de trabajo. Tambin abarca la recoleccin,
presentacin y caracterizacin de informacin para ayudar tanto en el
anlisis e interpretacin de datos como en el proceso de la toma de
decisiones. La estadstica es parte esencial de la forma profesional, es hasta
cierto punto una parte necesaria para toda profesin.
Las medidas de forma, a manera sencilla, son indicadores estadsticos
que permiten identificar si una distribucin de frecuencia presenta
uniformidad.
Las medidas de forma permiten comprobar si una distribucin de
frecuencia tiene caractersticas especiales como simetra, asimetra, nivel de

concentracin de datos y nivel de apuntamiento que la clasifiquen en un tipo

particular de distribucin.
Este tipo de medidas son necesarias para determinar el comportamiento
de los datos y as, poder adaptar herramientas para el anlisis probabilstico.
Adems, estas medidas comparan la forma que tiene la representacin
grfica, bien sea el histograma o el diagrama de barras de la distribucin, con
la distribucin normal.
BIBLIOGRAFA
DOWNIE, N. (1973) MTODOS ESTADSTICOS APLICADOS. Editorial
HARLA. Mxico.
MENDENHALL, W. (2002) ESTADSTICA MATEMTICA CON
APLICACIONES. Editorial THOMSON PARANINFO, S.A.
PORTUS G. (1988) CURSO PRCTICO DE ESTADSTICA. 1ra Edicin.
Editorial McGraw-Hill LATINOAMERICANA. Mxico.
REY, C. y RAMIL, M. (2007) INTRODUCCIN A LA ESTADSTICA
DESCRIPTIVA. Segunda Edicin. Editorial SANTIAGO. Espaa.