ESTADÍSTICA
CON SPSS
Objetivo de la Clase
Entender que las medidas de distribución permiten identificar la forma
que se separan o se aglomeran los valores analizados de acuerdo a su
representación gráfica.
Se revisara:
Asimetría
Curtosis
Medidas de Distribución
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. Sus principales medidas son la Asimetría y
la Curtosis.
Asimetría
Esta medida nos permite identificar si los datos se distribuyen de forma
uniforme alrededor del punto central (Media aritmética). La asimetría presenta
tres estados diferentes, cada uno de los cuales define de forma concisa como
están distribuidos los datos respecto al eje de asimetría. Se dice que
la Asimetría es positiva cuando la mayoría de los datos se encuentran por
encima del valor de la media aritmética, la curva es Simétrica cuando se
distribuyen aproximadamente la misma cantidad de valores en ambos lados de
la media y se conoce como Asimetría negativa cuando la mayor cantidad de
datos se aglomeran en los valores menores que la media.
1
Prof. Peralta Cumbajin Israel PHD.
ESTADÍSTICA
CON SPSS
Asimetría
El Coeficiente de asimetría, se representa mediante la ecuación matemática;
Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno de
los valores, la media de la muestra y (ni) la frecuencia de cada valor.
Los resultados de esta ecuación se interpretan:
2
Prof. Peralta Cumbajin Israel PHD.
ESTADÍSTICA
CON SPSS
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media.
Este valor es difícil 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 asimétricamente positiva por lo que los valores se tienden
a reunir más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se
tienden a reunir más en la parte derecha de la media.
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe
aproximadamente la misma cantidad de valores a los dos lados de la media.
Este valor es difícil 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 asimétricamente positiva por lo que los valores se tienden
a reunir más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se
tienden a reunir más en la parte derecha de la media.
Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la
distancia que separa la aglomeración de los valores con respecto a la media.
Curtosis
Esta medida determina el grado de concentración que presentan los valores en
la región central de la distribución. Por medio del Coeficiente de Curtosis,
3
Prof. Peralta Cumbajin Israel PHD.
ESTADÍSTICA
CON SPSS
podemos identificar si existe una gran concentración de valores (Leptocúrtica),
una concentración normal (Mesocúrtica) ó una baja concentración (Platicúrtica).
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
4
Prof. Peralta Cumbajin Israel PHD.
ESTADÍSTICA
CON SPSS
(g2 < 0) la distribución es Platicúrtica
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
procedimientos de la estadística de inferencia se requiere que los datos se
distribuyan normalmente.
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.
5
Prof. Peralta Cumbajin Israel PHD.
ESTADÍSTICA
CON SPSS
6
Prof. Peralta Cumbajin Israel PHD.
