Coeficiente de asimetría:
Hemos comentado que el concepto de asimetría se refiere a si la curva que forman los
valores de la serie presenta la misma forma a izquierda y derecha de un valor central (media
aritmética)
Coeficiente de Asimetría
Mide el grado de asimetría de la distribución con respecto a la media. Un valor positivo de
este indicador significa que la distribución se encuentra sesgada hacia la izquierda. Un
resultado negativo significa que la distribución se sesga a la derecha.
Coeficiente de asimetría de Fisher:
Coeficiente de asimetría de Pearson
: Es una medida de asimetría estadística que se basa en la diferencia entre media aritmética,
mediana y moda para cuantificar la dirección y el nivel de asimetría de una distribución
estadística, normalizando el resultado dividiendo el resultado entre la desviación típica.
Existen dos versiones del coeficiente de asimetría de Pearson que comparan
respectivamente media y moda por un lado, y media y mediana, por el otro.
Coeficiente de asimetría de Bowley:
El coeficiente de asimetría de Bowley CAB toma como referencia los cuartiles para
determinar si la distribución es simétrica o no. Para aplicar este coeficiente, se supone que el
comportamiento de la distribución en los extremos es similar.
¿Qué es la curtosis?
La curtosis se refiere a la medida de la forma de una distribución en comparación con la
distribución normal, también conocida como campana de Gauss. A través de esta
medida, podemos descubrir si una distribución tiene colas pesadas o ligeras, así como si
su pico es más pronunciado o suave. En esencia, nos proporciona información sobre
cómo se distribuyen los datos alrededor de la media y la presencia de valores atípicos.
Si una distribución tiene una curtosis positiva, significa que tiene colas más pesadas y un
pico más pronunciado en comparación con la distribución normal. Esto indica que los
valores de los datos están más concentrados alrededor de la media y hay menos valores
atípicos.
Por otro lado, si una distribución tiene una curtosis negativa, significa que tiene colas más
ligeras y un pico más suave en comparación con la distribución normal. Esto indica que
los valores de los datos están menos concentrados alrededor de la media y hay más
valores atípicos.
Conoce también qué es la media, la mediana y la moda.
Importancia de la curtosis en el análisis estadístico
La importancia radica en su capacidad para proporcionar información adicional sobre la
forma de una distribución de datos. Aunque medidas como la media y la desviación
estándar son ampliamente utilizadas, la curtosis nos permite comprender mejor cómo se
distribuyen los datos alrededor de la media y si hay valores atípicos.
La información proporcionada puede ser útil en diferentes situaciones. Por ejemplo, en
finanzas, la curtosis puede ayudarnos a comprender la volatilidad de los precios de las
acciones. Una curtosis alta podría indicar un mayor riesgo y la posibilidad de eventos
extremos, mientras que una curtosis baja podría señalar una mayor estabilidad en los
precios.
Tipos de curtosis
Existen tres tipos principales: leptocúrtica, mesocúrtica y platicúrtica. Estos términos
describen las características de la forma de una distribución en relación con la
distribución normal (campana de Gauss).
1. Leptocúrtica: Una distribución leptocúrtica tiene una curtosis positiva. Esto
significa que tiene colas más pesadas y un pico más pronunciado en comparación
con la distribución normal. En una distribución leptocúrtica, los valores de los datos
están más concentrados alrededor de la media y hay menos valores atípicos. Esto
indica una mayor concentración de datos en un rango estrecho.
2. Mesocúrtica: Una distribución mesocúrtica tiene una curtosis cercana a cero. En
este caso, la forma de la distribución es similar a la de una distribución normal.
Tiene colas y picos moderados, lo que indica una dispersión y concentración de
datos que se ajusta a lo esperado en una distribución típica.
3. Platicúrtica: Una distribución platicúrtica tiene una curtosis negativa. Esto significa
que tiene colas más ligeras y un pico más suave en comparación con la distribución
normal. En una distribución platicúrtica, los valores de los datos están menos
concentrados alrededor de la media y hay más valores atípicos. Esto indica una
dispersión más amplia de datos y una mayor probabilidad de encontrar valores
extremos.
.
.
