Академический Документы
Профессиональный Документы
Культура Документы
Asimetra
Curtosis o apuntamiento
Hasta ahora, hemos estado analizando y estudiando la dispersin de una distribucin, pero parece
evidente que necesitamos conocer ms sobre el comportamiento de una distribucin. En esta parte,
analizaremos las medidas de forma, en el sentido de histograma o representacin de datos, es decir,
que informacin nos aporta segn la forma que tengan la disposicin de datos
Las medidas de forma de una distribucin se pueden clasificar en dos grandes grupos o
bloques: medidas de asimetra y medidas de curtosis.
Con estas medidas nos estamos refiriendo al grado de apuntamiento que tiene una distribucin; para
determinarlo,
emplearemos
el
coeficiente
de
curtosis
de
Fisher.
- Si existe simetra, entonces g1 = 0, y Me X = ; si adems la distribucin es unimodal, tambin podemos
afirmar que:
Medidas de concentracin
Las medidas de concentracin tratan de poner de relieve el mayor o menor grado de igualdad en el
reparto del total de los valores de la variable, son por tanto indicadores del grado de distribucin de la
variable Para este fin, estn concebidos los estudios sobre concentracin
Denominamos concentracin a la mayor o menor equidad en el reparto de la suma total de los
valores de la variable considerada (renta, salarios, etc.)
Las infinitas posibilidades que pueden adoptar los valores, se encuentran entre los dos extremos:
1.
Concentracin mxima, cuando uno solo percibe el total y los dems nada, en este caso, nos
encontraremos ante un reparto no equitativo: x1 = x2 = x3 = = xn-1 = 0 y xn.
2.
Concentracin mnima, cuando el conjunto total de valores de la variable esta repartido por
igual, en este caso diremos que estamos ante un reparto equitativo x1 = x2 = x3 = =
xn-1 = xn .
De las diferentes medidas de concentracin que existen nos vamos a centrar en dos: Indice de Gini,
Coeficiente, por tanto ser un valor numrico.
Curva de Lorenz, grfico, por tanto ser una representacin en ejes coordenados. Sea una
distribucin de rentas (xi, ni) de la que formaremos una tabla con las siguientes columnas:
1.
Los productos xi ni, que nos indicarn la renta total percibida por los ni rentistas de renta
individual xi
2.
3.
4.
La columna total de frecuencias acumuladas relativas, que expresaremos en tanto por ciento y
que representaremos como pi y que vendr dada por la siguiente notacin.
5.
La renta total de todos los rentistas que ser un y que dada en tanto por ciento, la cual
representaremos como qi y que responder a la siguiente notacin:
La manera de interpretarla ser: cuanto ms cerca se site esta curva de la diagonal, menor
concentracin habr, o ms homogeneidad en la distribucin. Cuanto ms se acerque a los ejes, por la
parte inferior del cuadrado, mayor concentracin.
Los extremos son Analticamente calcularemos el ndice de Gini el cual responde a la siguiente
ecuacin
Observamos que hay poca concentracin por encontrarse cerca del 0.
1. 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
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
comoasimetra negativa cuando la mayor cantidad de datos se aglomeran en los
valores menores que la media.
Figura 5-1
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:
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.
2. 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).
Figura 5-2
Ecuacion 5-10
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:
Figura 5-3
Desde luego, los conceptos vistos hasta aqu, son slo una pequea introduccin
a las principales medidas de Estadstica Descriptiva; es de gran importancia que
los lectores profundicen en estos temas ya que la principal dificultad del paquete
SPSS radica en el desconocimiento de los conceptos estadsticos.
<