FACULTAD DE INGENERIA CIVIL

ESCUELA PROFESIONAL DE INGENERIA CIVIL

“AÑO DEL DIALOGO Y LA RECONCILIACION NACIONAL”

DOCENTE:

LIC. ING. HUGO L. CHUNGA GUITIERREZ

INTEGRANTES:

CHERO MONTALBAN LOURDES ELIZABETH

QUISPE OTERO ROSA EDA

SANDOVAL LOPEZ WILLIAM

ZEGARRA JIMENEZ LIDER GERARDO

TEMA:

ANALISIS ESTADISTICO DE UNA TESIS SOBRRE LA ING.CIVIL

CURSO:

ESTADISTICA

1
 INDICE

1. TITULO

2. INTRODUCCION

3. OBJETIVOS DE LA TESIS:………………………………………… 4

3.1. Objetivo General:………………………………………………… 5

3.2. Objetivos Específicos:…………………………………………….. 5

4. MARO TEORICO………………………………………… 4

5. CONCLUSIONES ……………………………………………………. 6

6. BIBLIOGRAFIA ……………………………………………………. 7

2
MEDIDAS ASIMETRICAS Y CURTOSIS

3
INTRODUCCION
Nuestro trabajo trata sobre las medidas de forma en la estadística descriptiva.
Ya que las medidas de forma en una distribución nos permiten identificar la manera 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.

OBJETIVOS

 Aprender las medidas de forma correcta para determinar el comportamiento de los

datos y así, poder adaptar herramientas para el análisis probabilístico.

 El segundo objestivo saber aplicar las formulas y asi comprobar si una distribución
de frecuencia tiene características especiales como simetría, asimetría, nivel de
concentración de datos y nivel de apuntamiento que la clasifiquen en un tipo
particular de distribución.

 Al investigar aprender mas formulas para poder emplearlas de una manera mas
rápida y eficaz la formula que nos convenga ya que hay muchos métodos(formulas
).

4
4. MARCO TEORICO
1. ASIMETRIA
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.

1.1) TIPOS DE ASIMETRÍA

La asimetría presenta las siguientes formas:
Asimetría Negativa o a la Izquierda.- Se da cuando en una distribución la minoría de los
datos está en la parte izquierda de la media. Este tipo de distribución presenta un
alargamiento o sesgo hacia la izquierda, es decir, la distribución de los datos tiene a la
izquierda una cola más larga que a la derecha. También se dice que una distribución es
simétrica a la izquierda o tiene sesgo negativo cuando el valor de la media aritmética es
menor que la mediana y éste valor de la mediana a su vez es menor que la moda,

en símbolos
Nota: Sesgo es el grado de asimetría de una distribución, es decir, cuánto se aparta de la
simetría.
Simétrica.- Se da cuando en una distribución se distribuyen aproximadamente la misma
cantidad de los datos a ambos lados de la media aritmética. No tiene alargamiento o sesgo.
Se representa por una curva normal en forma de campana llamada campana de Gauss
(matemático Alemán 1777-1855) o también conocida como de Laplace (1749-
1827).También se dice que una distribución es simétrica cuando su media aritmética, su

mediana y su moda son iguales, en símbolos Md=Mo

Asimetría Positiva o a la Derecha.- Se da cuando en una distribución la minoría de los
datos está en la parte derecha de la media aritmética. Este tipo de distribución presenta un
alargamiento o sesgo hacia la derecha, es decir, la distribución de los datos tiene a la
derecha una cola más larga que a la izquierda.
También se dice que una distribución es simétrica a la derecha o tiene sesgo positivo
cuando el valor de la media aritmética es mayor que la mediana y éste a valor de la mediana
a su vez es mayor que la moda, en símbolos

5
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:
(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 setiende 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.

1.2) MEDIDAS DE ASIMETRÍA

Medida de Yule Bowley o Medida Cuartílica

6
Donde:

= Cuartil uno; = Cuartil dos = Mediana; = Cuartil tres.

Nota:
La Medida de Bowley varía entre -1 y 1
Si As < 0 ? la distribución será asimétrica negativa.
Si As = 0 ? la distribución será simétrica.
Si As > 0 ? la distribución será asimétrica positiva.
Medida de Fisher

Para datos sin agrupar se emplea la siguiente fórmula:

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

7
Para datos agrupados en intervalos se emplea la siguiente fórmula:

Donde:

= cada uno de los valores; n = número de datos; = media aritmética; f = frecuencia

absoluta

= cubo de la desviación estándar poblacional; xm = marca de clase

Nota:
Si As < 0 ?Indica que existe presencia de la minoría de datos en la parte izquierda de la
media, aunque en algunos casos no necesariamente indicará que la distribución sea
asimétrica negativa
Si As = 0 ? la distribución será simétrica
Si As > 0 ? Indica que existe presencia de la minoría de datos en la parte derecha de la
media, aunque en algunos casos no necesariamente indicará que la distribución sea
asimétrica positiva
Ejemplo ilustrativo:
Calcular el Coeficiente de Pearson, Medida Cuartílica y la Medida de Fisher dada la
siguiente distribución: 6, 9, 9, 12, 12, 12, 15 y 17
Solución:
Calculando la media aritmética se obtiene:

Para calcular los cuartiles se ordena los datos de menor a mayor.

8
9
2. 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, podemos identificar si
existe una gran concentración de valores (Leptocúrtica), una concentración normal
(Mesocúrtica) ó una baja concentración (Platicúrtica).

Leptocúrtica.- Existe una gran concentración.

Mesocúrtica.- Existe una concentración normal.
Platicúrtica.- Existe una baja concentración.

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
(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.

10
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 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.

11
Medida de Fisher
Para datos sin agrupar se emplea la siguiente fórmula:

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

Para datos agrupados en intervalos se emplea la siguiente fórmula:

Donde:

= cada uno de los valores; n = número de datos;

= media aritmética;
= Cuádruplo de la desviación estándar poblacional;
f = frecuencia absoluta; xm = marca de clase
Nota:
Si a < 3 ? la distribución es platicútica
Si a = 3 ? la distribución es normal o mesocúrtica
Si a > 3 ? la distribución es leptocúrtica
Medida basada en Cuartiles y Percentiles

K (letra griega minúscula kappa) = Coeficiente percentil de curtosis

Nota:

Si < 0,263 ? la distribución es platicúrtica

Si = 0,263 ? la distribución es normal o mesocúrtica

Si > 0,263 ? la distribución es leptocúrtica

Esta medida no es muy utilizada.

12
Ejemplo ilustrativo: Determinar qué tipo de curtosis tiene la siguiente distribución: 6, 9, 9,
12, 12, 12, 15 y 17. Emplear la medida de Fisher y el coeficiente percentil de curtosis.
Solución: Calculando la media aritmética se obtiene

Calculando la desviación estándar poblacional se obtiene:

Calculando la Medida de Fisher se obtiene:

Datos

6 915,0625

9 39,0625

9 39,0625

12 0,0625

12 0,0625

12 0,0625

15 150,0625

17 915,0625

Total 2058,5

Para calcular los cuartiles y percentiles se ordena los datos de menor a mayor:

13
6 9 9 12 12 12 15 17

Calculando el cuartil uno se obtiene:

Calculando el cuartil tres se obtiene:

Calculando el percentil 90 se tiene:

Calculando el percentil 10 se tiene:

Calculando el coeficiente percentil de curtosis se obtiene:

14
CONCLUSIONES

15
BIBLIOGRAFIA

 BENALCÁZAR, Marco, (2002), Unidades para Producir Medios Instruccionales

en Educación, SUÁREZ, Mario Ed. Graficolor, Ibarra, Ecuador.

 DAZA, Jorge, (2006), Estadística Aplicada con Microsoft Excel, Grupo Editorial
Megabyte, Lima, Perú.

 SUÁREZ, Mario, (2004), Interaprendizaje Holístico de Matemática,

Ed. Gráficas Planeta, Ibarra, Ecuador.

 SUÁREZ, Mario, (2011), Interaprendizaje de Estadística Básica

TAPIA, Fausto Ibarra, Ecuador.

16