“AÑO DEL DIALOGO Y LA RECONCILIACION NACIONAL”

UNIVERSIDAD CATÓLICA LOS ÁNGELES DE

CHIMBOTE

FACULTAD DE DERECHO Y CIENCIAS POLÍTICAS

ESCUELA PROFESIONAL DE DERECHO

CURVAS DE FRECUENCIA SOBRE CÚRTOSIS

 ASIGNATURA: ESTADÍSTICA

 DOCENTE : ING. MG. EDUARDO SANTOS HIDALGO RUCOWA

 ALUMNA : CIEZA QUEVEDO, KRISS ALMENDRA

 TEMA : CURVAS DE FRECUENCIA SOBRE CÚRTOSIS

 CICLO : II – 2018

PUCALLPA – PERÙ
2018

1
 ÍNDICE
I. INTRODUCCIÓN ............................................................................................. 3
II. REVISIÓN DE LITERATURA .......................................................................... 4
2.1. ¿Qué es la cúrtosis? ................................................................................. 4
2.2. ¿Qué determina la cúrtosis? ..................................................................... 5
2.3. Cálculo de la cúrtosis ................................................................................ 5
2.4. Ventajas de la cúrtosis .............................................................................. 6
2.5. Tipos de cúrtosis ....................................................................................... 6
2.5.1. Leptocúrtica ........................................................................................ 6
2.5.2. Mesocúrtica ........................................................................................ 7
2.5.3. Platicúrtica .......................................................................................... 7
2.6. Medida de la cúrtosis ................................................................................ 7
2.6.1. Datos sin agrupar ............................................................................... 7
2.6.2. Datos agrupados en tablas de frecuencias ......................................... 7
2.6.3. Datos agrupados en intervalos ........................................................... 7
2.7. Exceso de cúrtosis .................................................................................... 8
2.8. Ejemplo de cúrtosis para datos sin agrupar .............................................. 8
III. BIBLIOGRAFÍA ............................................................................................ 10

2
 I. INTRODUCCIÓN

Las medidas de distribución nos permiten identificar la forma en que se separan o

aglomeran los valores de acuerdo a su representación gráfica. Estas medidas
describen la manera como los datos tienden a reunirse de acuerdo con la
frecuencia con que se hallen dentro de la información. Su utilidad radica en la
posibilidad de identificar las características de la distribución sin necesidad de
generar el gráfico (Martínez, 2015).

La curtosis de una variable estadística/aleatoria es una característica de forma de

su distribución de frecuencias/probabilidad (DeCarlo, 2015).

Según su concepción clásica, una mayor curtosis implica una mayor

concentración de valores de la variable muy cerca de la media de la distribución
(pico) y muy lejos de la misma (colas), al tiempo que existe una relativamente
menor frecuencia de valores intermedios (hombros). Esto explica una forma de la
distribución de frecuencias/probabilidad con colas más gruesas, con un centro
más apuntado y una menor proporción de valores intermedios entre pico y colas
(DeCarlo, 2015).

Una mayor curtosis no implica una mayor varianza, ni viceversa (DeCarlo, 2015).

3
 II. REVISIÓN DE LITERATURA

2.1. ¿Qué es la cúrtosis?

La curtosis (también conocida como medida de apuntamiento) es una
medida estadística, que determina el grado de concentración que presentan los
valores de una variable alrededor de la zona central de la distribución de
frecuencias (Economipedia, 2010).

Cuando medimos una variable aleatoria, por lo general, los resultados que
tienen una mayor frecuencia son los que se sitúan en torno a la media de la
distribución. Imaginemos la altura de los alumnos de una clase. Si la altura media
de la clase es 1,72, lo más normal es que las alturas del resto de los alumnos
estén en torno a este valor (con cierto grado de variabilidad, pero sin ser esta
demasiado grande). Si esto sucede, se considera que la distribución de la variable
aleatoria se distribuye con normalidad. Pero dada la infinidad de variables que se
pueden medir, esto no siempre sucede así (Economipedia, 2010).

Existen algunas variables que presentan un mayor grado de concentración

(menor dispersión) de los valores en torno a su media y otras, por el contrario,
presentan un menor grado de concentración (mayor dispersión) de sus valores en
torno a su valor central. Por tanto, la curtosis nos informa de lo apuntada (mayor
concentración) o lo achatada (menor concentración) que es una distribución
(Economipedia, 2010).

4
2.2. ¿Qué determina la cúrtosis?
Esta medida determina el grado de concentración que presentan los
valores en la región central de la distribución. Por medio del Coeficiente de
Curtosis, podemos identificar si existe una gran concentración de valores
(Leptocúrtica), una concentración normal (Mesocúrtica) ó una baja concentración
(Platicúrtica) (Martínez, 2015).

2.3. Cálculo de la cúrtosis

Para calcular el coeficiente de Curtosis se utiliza la ecuación:

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
fórmula se interpretan:

(g2 = 0) la distribución es Mesocúrtica: Al igual que en la asimetría es bastante

difícil encontrar un coeficiente de Curtosis de cero (0), por lo que se suelen
aceptar los valores cercanos (± 0.5 aprox.).

(g2 > 0) la distribución es Leptocúrtica.

Cuando la distribución de los datos cuenta con un coeficiente de asimetría (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 mayoría de los

5
procedimientos de la estadística de inferencia se requiere que los datos se
distribuyan normalmente.

(g2 < 0) la distribución es Platicúrtica

2.4. Ventajas de la cúrtosis

La principal ventaja de la distribución normal radica en el supuesto que el
95% de los valores se encuentra dentro de una distancia de dos desviaciones
estándar de la media aritmética (Fig.5-3); es decir, si tomamos la media y le
sumamos dos veces la desviación y después le restamos a la media dos
desviaciones, el 95% de los casos se encontraría dentro del rango que
compongan estos valores (Martínez, 2015).

2.5. Tipos de cúrtosis

Dependiendo del grado de curtosis, tenemos tres tipos de distribuciones:

2.5.1. Leptocúrtica
Existe una gran concentración de los valores en torno a su media
(g2>3).

6
 2.5.2. Mesocúrtica
Existe una concentración normal de los valores en torno a su media
(g2=3).

2.5.3. Platicúrtica
Existe una baja concentración de los valores en torno a su media
(g2<3).

2.6. Medida de la cúrtosis

Dependiendo de la agrupación o no de los datos, se utiliza una fórmula u
otra.

2.6.1. Datos sin agrupar

1 ∑(Xi−X)4
g2 =
𝑁 64

2.6.2. Datos agrupados en tablas de frecuencias

1 ∑ 𝑓𝑖(Xi−X)4
g2 =
𝑁 64
2.6.3. Datos agrupados en intervalos
1 ∑ 𝑓𝑖(𝑚𝑥i−X)4
g2 =
𝑁 64
7
Donde:
- g2 = Coeficiente de cúrtosis
- N = Número de datos
- Xi = Valor i-ésimo de las observaciones
- X = Media aritmética de la distribución
- 6 = Desviación típica de la distribución
- fi = Frecuencia absoluta del dato i-ésimo
- mxi = Marca de clase

2.7. Exceso de cúrtosis

En algunos manuales la cúrtosis se presenta como exceso de cúrtosis. En
este caso esta se compara directamente con la de la distribución normal. Dado
que la distribución normal, tiene cúrtosis 3, para obtener el exceso, solo habría
restarle 3 a nuestro resultado.

Exceso de cúrtosis = g2-3 = 3,34-3 = 0,34.

La interpretación del resultado en este caso, sería la siguiente:

g2-3 > distribución leptocúrtica.

g2-3 = distribución mesocúrtica (o normal).

g2-3 < distribución platicúrtica.

2.8. Ejemplo de cúrtosis para datos sin agrupar

1.- Supongamos que queremos calcular la cúrtosis de la siguiente distribución:
8, 5, 9, 10, 12, 7, 2, 6, 8, 9, 10, 7, 7.

 Primero calculamos la media aritmética, que sería 7,69.

8+5+9+10+12+7+2+6+8+9+10+7+7
X=
13
100
x=
13
x = 7.69

 A continuación, calculamos la desviación típica, que sería 2,43.

8
 1 ∑(Xi−X)4
g2 =
13 64
g2 = 2.43

Tras tener estos datos y para comodidad en el cálculo, se puede realizar una
tabla para calcular la parte del numerador (cuarto momento de la distribución).

Datos (Xi-µ)^4

8 0.0090
5 52.5411
9 2.9243
10 28.3604
12 344.3330
7 0.2297
2 1049.9134
6 8.2020
8 0.0090
9 2.9243
10 28.3604
7 0.2297
7 0.2297
N = 13 ∑ = 1518.27

Una vez tenemos esta tabla hecha, simplemente tendríamos que aplicar la
formula expuesta con anterioridad para tener la cúrtosis.

g2 = 1.518,27/13*(2,43)^4 = 3,34

En este caso dado que g2 es mayor que 3, la distribución sería leptocúrtica,

presentando un mayor apuntamiento que la distribución normal.

9
 III. BIBLIOGRAFÍA
DeCarlo, P. (2015). Wikipedia. Obtenido de https://es.wikipedia.org/wiki/Curtosis

Economipedia. (10 de marzo de 2010). Obtenido de

https://economipedia.com/definiciones/curtosis.html

Martínez, A. (20 de octubre de 2015). Spss. Obtenido de

http://www.spssfree.com/curso-de-spss/analisis-descriptivo/medidas-de-
distribucion-curtosis-asimetria.html

10