FACULTAD DE DERECHO Y CIENCIA POLITICA

ESCUELA PROFESIONAL DE DERECHO

CURSO: ESTADISTICA

TITULO:

MEDIDAS DE FORMA

AUTOR:

JHOEL MANUEL CUADROS SANTOS

DOCENTE TUTOR:

BARRETO RODRGUEZ CARMEN ROSA

CHIMBOTE, PERU

2017
 DEDICATORIA

A DIOS POR GUIARME POR EL

CENDERO DE SU JUSTICIA.

A MIS PADRES ADORADOS, (ESTHER Y RUFINO)

POR SU ALIENTO Y COMPRENSIN

 AGRADECIMIENTO

Al Profesor BARRETO RODRGUEZ CARMEN ROSA, por el

asesoramiento en el presente curso y trabajo.
 INDICE

INTRODUCCION

CAPITULO I:

1.1 PLANTEAMIENTO DEL PROBLEMA

1.1.1 DESCRIPCION DE LA MEDIDA DE FORMA
1.1.1.1 LAS MEDIDAS DE FORMA
1.1.1.2 LA ASIMETRA
1.1.1.2.1 TIPOS DE ASIMETRA
1.1.1.2.1.1 Asimetra Negativa o a la Izquierda.
1.1.1.2.1.2 Asimetra Positiva o a la Derecha.
1.1.1.3 FORMULA MEDIDAS DE ASIMETRA
1.1.1.3.1 Coeficiente de Karl Pearson
1.1.1.3.2 Medida de Yule Bowley o Medida Cuartlica
1.1.1.3.3 Medida de Fisher.
1.1.1.4 CURTOSIS O APUNTAMIENTO
1.1.1.4.1 TIPOS DE CURTOSIS
1.1.1.4.2 MEDIDAS DE CURTOSIS
1.1.1.4.2.1 Medida de Fisher
1.1.1.4.2.2 Medida basada en Cuartiles y Percentiles
CAPITULO II

2.1. Conclusiones

2.2. REFERENCIAS BIBLIOGRFICAS

ANEXO
 INTRODUCCION

Las medidas de forma, a manera sencilla, son indicadores

estadsticos que permiten identificar si una distribucin de
frecuencia presenta uniformidad. Las medidas de forma
permiten comprobar si una distribucin de frecuencia tiene
caractersticas especiales como simetra, asimetra, nivel de
concentracin de datos y nivel de apuntamiento que la
clasifiquen en un tipo particular de distribucin. Este tipo
de medidas son necesarias para determinar.

Las medidas de forma, Permiten comprobar si una

distribucin de frecuencia tiene caractersticas especiales
como simetra, asimetra, nivel de concentracin de datos y
nivel de apuntamiento que la clasifiquen en un tipo
particular de distribucin. Se divide en 2 opciones: SESGO:
Propiedad de una muestra estadstica que hace que los
resultados no sean representativos de toda la poblacin. El
sesgo, como problema relacionado con el muestreo surge
siempre que no se respeta el principio de que todos.
CAPITULO I:

1.1 PLANTEAMIENTO DEL PROBLEMA

1.1.1 DESCRIPCION DE LA MEDIDA DE FORMA

1.1.1.1 LAS MEDIDAS DE FORMA

Las medidas de forma permiten comprobar si una

distribucin de frecuencia tiene caractersticas especiales
como simetra, asimetra, nivel de concentracin de datos y
nivel de apuntamiento que la clasifiquen en un tipo
particular de distribucin.

Las medidas de forma, a manera sencilla, son indicadores

estadsticos que permiten identificar si una distribucin de
frecuencia presenta uniformidad. Las medidas de forma
permiten comprobar si una distribucin de frecuencia tiene
caractersticas especiales como simetra, asimetra, nivel de
concentracin de datos y nivel de apuntamiento que la
clasifiquen en un tipo particular de distribucin. Este tipo
de medidas son necesarias para determinar.

Julio Oliva Contero Estadstica, Los momentos de una

distribucin son medidas obtenidas a partir de todos sus
datos y de sus frecuencias absolutas. Estas medidas
caracterizan de tal forma a las distribuciones que si los
momentos de dos distribuciones son iguales, diremos que las
distribuciones son iguales. Podemos decir que dos
distribuciones son ms semejantes cuanto mayor sea el nmero
de sus momentos.

Las medidas de forma son necesarias para determinar el

comportamiento de los datos y as, poder adaptar herramientas
para el anlisis probabilstico. Las Medidas de forma, Son
indicadores estadsticos que permiten identificar si una
distribucin de frecuencia presenta uniformidad.

Las medidas de forma permiten conocer que forma tiene la

curva que representa la serie de datos de la muestra. En
concreto, podemos estudiar las siguientes caractersticas de
la curva:

a) Concentracin: mide si los valores de la variable estn

ms o menos uniformemente repartidos a lo largo de la
muestra.

b) Asimetra: mide si la curva tiene una forma simtrica,

es decir, si respecto al centro de la misma (centro de
simetra) los segmentos de curva que quedan a derecha e
izquierda son similares.

c) Curtosis: mide si los valores de la distribucin estn

ms o menos concentrados alrededor de los valores
medios de la muestra.

1.1.1.2 LA ASIMETRA

Es una medida de forma de una distribucin que permite

identificar y describir la manera como los datos tiende a
reunirse de acuerdo con la frecuencia con que se hallen
dentro de la distribucin. Permite identificar las
caractersticas de la distribucin de datos sin necesidad de
generar el grfico.

La asimetra son indicadores que permiten establecer el

grado de simetra (o asimetra) que presenta una distribucin
de probabilidad de una variable aleatoria sin tener que hacer
su representacin grfica. Como eje de simetra consideramos
una recta paralela al eje de ordenadas que pasa por la media
de la distribucin. Si una distribucin es simtrica, existe
el mismo nmero de valores a la derecha que a la izquierda de
la media, por tanto, el mismo nmero de desviaciones con
signo positivo que con signo negativo. Decimos que hay
asimetra positiva (o a la derecha) si la "cola" a la derecha
de la media es ms larga que la de la izquierda, es decir, si
hay valores ms separados de la media a la derecha. Diremos
que hay asimetra negativa (o a la izquierda) si la "cola" a
la izquierda de la media es ms larga que la de la derecha,
es decir, si hay valores ms separados de la media a la
izquierda.

Son grficos representados por una sola lnea curva (el

polgono de frecuencia est conformado por varias lneas
rectas consecutivas).

Tambin son medidas que miden el grado de deformacin

horizontal de una distribucin de frecuencias. Se dice que
una distribucin de frecuencias es simtrica si los
intervalos equidistantes del intervalo central tienen iguales
frecuencias. Tambin se dice que una distribucin es
simtrica si su curva de frecuencias es simtrica con
respecto al centro de los datos.

Dos distribucin pueden tener la misma medida y la misma

desviacin estndar, pero pueden diferir en el grado de
asimetra. Si la distribucin es simtrica, entonces la
media, la mediana y la moda coinciden. En contraposicin, si
estos tres promedios no coinciden la distribucin es
asimtrica.

1.1.1.2.1 TIPOS DE ASIMETRA

1.1.1.2.1.1 Asimetra Negativa o a la Izquierda.

La Asimetra Negativa se da cuando en una distribucin

la minora de los datos est en la parte izquierda de la
media. Este tipo de distribucin presenta un alargamiento o
sesgo hacia la izquierda, es decir, la distribucin de los
datos tiene a la izquierda una cola ms larga que a la
derecha. Tambin se dice que una distribucin es simtrica a
la izquierda o tiene sesgo negativo cuando el valor de la
media aritmtica es menor que la mediana y ste valor de la
mediana a su vez es menor que la moda, en smbolos < <
.

Nota: Sesgo es el grado de asimetra de una distribucin, es

decir, cunto se aparta de la simetra.

Simtrica.- Se da cuando en una distribucin se distribuyen

aproximadamente la misma cantidad de los datos a ambos lados
de la media aritmtica. No tiene alargamiento o sesgo. Se
representa por una curva normal en forma de campana llamada
campana de Gauss (matemtico Alemn 1777-1855) o tambin
conocida como de Laplace (1749-1827).Tambin se dice que una
distribucin es simtrica cuando su media aritmtica, su
mediana y su moda son iguales, en smbolos =Md=Mo

1.1.1.2.1.2 Asimetra Positiva o a la Derecha.

La Asimetra Positiva o a la Derecha se da cuando en una

distribucin la minora de los datos est en la parte derecha
de la media aritmtica. Este tipo de distribucin presenta un
alargamiento o sesgo hacia la derecha, es decir, la
distribucin de los datos tiene a la derecha una cola ms
larga que a la izquierda.

Tambin se dice que una distribucin es simtrica a la

derecha o tiene sesgo positivo cuando el valor de la media
aritmtica es mayor que la mediana y ste a valor de la
mediana a su vez es mayor que la moda, en smbolos > >
.
1.1.1.3 FORMULA MEDIDAS DE ASIMETRA

1.1.1.3.1 Coeficiente de Karl Pearson

3( )
=

Donde:
= media aritmtica.
Md = Mediana.
s = desviacin tpica o estndar.

Nota:

El Coeficiente de Pearson vara entre -3 y 3

Si As < 0 la distribucin ser asimtrica negativa.
Si As = 0 la distribucin ser simtrica.
Si As > 0 la distribucin ser asimtrica positiva.

1.1.1.3.2 Medida de Yule Bowley o Medida Cuartlica

1 + 3 22
=
3 1
Donde:

1 = Cuartil uno; 2 = Cuartil dos = Mediana; 3 = Cuartil

tres.

Nota:

La Medida de Bowley vara entre -1 y 1

Si As < 0 la distribucin ser asimtrica negativa.
Si As = 0 la distribucin ser simtrica.
Si As > 0 la distribucin ser asimtrica positiva.

1.1.1.3.3 Medida de Fisher.

Para datos sin agrupar se emplea la siguiente frmula:

(xi x)3
As =
n3

Para datos agrupados en tablas de frecuencias se emplea la

siguiente frmula:

f(xi x)3
As =
n3

Para datos agrupados en intervalos se emplea la siguiente

frmula:

f(xm x)3
As =
n3

Donde:

xi = cada uno de los valores; n = nmero de datos; x = media

aritmtica; f = frecuencia absoluta
3 = cubo de la desviacin estndar poblacional; xm = marca
de clase
Nota:

Si As < 0 Indica que existe presencia de la minora de datos

en la parte izquierda de la media, aunque en algunos casos no
necesariamente indicar que la distribucin sea asimtrica
negativa
Si As = 0 la distribucin ser simtrica
Si As > 0 Indica que existe presencia de la minora de
datos en la parte derecha de la media, aunque en algunos
casos no necesariamente indicar que la distribucin sea
asimtrica positiva

Ejemplo ilustrativo:

Calcular el Coeficiente de Pearson, Medida Cuartlica y la

Medida de Fisher dada la siguiente distribucin: 6, 9, 9, 12,
12, 12, 15 y 17

Solucin:

Calculando la media aritmtica se obtiene:

6 + 9 + 9 + 12 + 12 + 12 + 15 + 17 92
= = = = 11,5
8 8

Para calcular los cuartiles se ordena los datos de menor a

mayor

6 9 9 12 12 12 15 17
1 2 3 4 5 6 7 8

Calculando el cuartil uno se obtiene:

 = +2
[ ]
4

2 + 3 9 + 9
1 = [+2] = [8+2]= [10]= 2,5 = = =9
4 4 4 2 2

Calculando el cuartil dos se obtiene:

= +2
[ ]
4

4 + 5 12 + 12
2 = [2+2] = [2+2]= [28+2]= [16+2]= 4,5= = = 12
4 4 4 4 2 2

Calculando el cuartil tres se obtiene:

= +2
[ ]
4

6 + 7 12 + 15
3 = [3+2]= [38+2]= [24+2]= 26 = 6,5= = = 13,5
4 4 4 4 2 2

Calculando la desviacin estndar muestral se obtiene:

(xi x)2
=
n1

(6 11,5)2 + (9 11,5)2 + (9 11,5)2 + (12 11,5)2 + (12 11,5)2 +(12 11,5)2 + (15 11,5)2 + (17 11,5)2
=
81

= 3,505

Calculando el Coeficiente de Pearson se obtiene:

 3( ) 3(11,5 12) 1,5
= = = = 0,428
3,505 3,505

Calculando la Medida de Bowley se obtiene

1 + 3 22 9 + 13,5 3 12
= = = 0,333
3 1 13,5 9

Calculando la desviacin estndar poblacional se obtiene:

(xi )2
=
N

(6 11,5)2 + (9 11,5)2 + (9 11,5)2 + (12 11,5)2 + (12 11,5)2 +(12 11,5)2 + (15 11,5)2 + (17 11,5)2
=
8

= 3,279

Calculando la Medida de Fisher se obtiene

Datos (xi x)3

-
6 166,375
9 -15,625
9 -15,625
12 0,125
12 0,125
12 0,125
 15 42,875
17 166,375
Total 12

(xi x)3 12
As = = = 0,035
n3 8(3,279)3

1.1.1.4 CURTOSIS O APUNTAMIENTO

La curtosis mide el grado de agudeza o achatamiento de

una distribucin con relacin a la distribucin normal, es
decir, mide cun puntiaguda es una distribucin.

1.1.1.4.1 TIPOS DE CURTOSIS

La curtosis determina el grado de concentracin que

presentan los valores en la regin central de la
distribucin. As puede ser:

Leptocrtica.- Existe una gran concentracin.

Mesocrtica.- Existe una concentracin normal.
Platicrtica.- Existe una baja concentracin.
1.1.1.4.2 MEDIDAS DE CURTOSIS

1.1.1.4.2.1 Medida de Fisher

Para datos sin agrupar se emplea la siguiente frmula:

(xi x)4
=
n4

Para datos agrupados en tablas de frecuencias se emplea la

siguiente frmula:

f(xi x)4
=
n4

Para datos agrupados en intervalos se emplea la siguiente

frmula:

f(xm x)4
=
n4

Dnde: xi = cada uno de los valores; n = nmero de datos; x =

media aritmtica; 4 = Cudruplo de la desviacin estndar
poblacional; f = frecuencia absoluta; xm = marca de clase

Nota:
Si < 3 la distribucin es platictica
Si = 3 la distribucin es normal o mesocrtica
Si > 3 la distribucin es leptocrtica

1.1.1.4.2.2 Medida basada en Cuartiles y Percentiles

 Q 3 Q1
Desviacin cuartlica 2 Q 3 Q1
= = =
Amplitud cuartlica P90 P10 2(P90 P10 )

(letra griega minscula kappa) = Coeficiente percentil de

curtosis

Nota:

Si < 0,263 la distribucin es platicrtica

Si = 0,263 la distribucin es normal o mesocrtica
Si > 0,263 la distribucin es leptocrtica
Esta medida no es muy utilizada.

Ejemplo ilustrativo:

Determinar qu tipo de curtosis tiene la siguiente

distribucin: 6, 9, 9, 12, 12, 12, 15 y 17. Emplear la medida
de Fisher y el coeficiente percentil de curtosis.

Solucin: Calculando la media aritmtica se obtiene

6 + 9 + 9 + 12 + 12 + 12 + 15 + 17 92
= = = = 11,5
8 8

Calculando la desviacin estndar poblacional se obtiene:

(xi x)2
=
n


(6 11,5)2 + (9 11,5)2 + (9 11,5)2 + (12 11,5)2 + (12 11,5)2 +(12 11,5)2 + (15 11,5)2 + (17 11,5)2
=
8

= 3,279

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

(xi x)4 2058,5

= = = 2,23
n4 8 (3,279)4

Para calcular los cuartiles y percentiles se ordena los

datos de menor a mayor:

6 9 9 12 12 12 15 17
1 2 3 4 5 6 7 8

Calculando el cuartil uno se obtiene:

 = +2
[ ]
4

2 + 3 9 + 9
1 = [+2] = [8+2]= [10]= 2,5 = = =9
4 4 4 2 2

Calculando el cuartil tres se obtiene:

= +2
[ ]
4

6 + 7 12 + 15
3 = [3+2]= [38+2]= [24+2]= 26 = 6,5= = = 13,5
4 4 4 4 2 2

Calculando el percentil 90 se tiene:

= +50
[ ]
100

7 + 8 15 + 17
90 = 90+50 890+50 [770]= 7,7= = = 16
[
100
]= [
100
]= 100 2 2

Calculando el percentil 10 se tiene:

= +50
[ ]
100
 10 = 10+50 810+50 [130]= 1,3= 1 = 6
[ ]= [ ]= 100
100 100

Calculando el coeficiente percentil de curtosis se obtiene:

Q 3 Q1 13,5 9
= = = 0,225
2(P90 P10 ) 2(16 6)

Como = 2,23 y = 0,225, la distribucin es platicrtica

Ejercicio:

Supongamos que un psiclogo interesado en Psicologa

Educacional quiere comparar las puntuaciones obtenidas en
tres formas diferentes de examen (A: Prueba con cuestiones
"Verdadero/Falso". B: Ejercicios de respuesta abierta y C:
Ejercicios con ordenador) para determinar si la forma de
examen influye en las puntuaciones. El investigador forma
tres grupos de estudiantes seleccionados aleatoriamente y
obtiene los siguientes resultados:

A = 2, 5, 4, 5, 6, 8, 3, 6, 4, 5, 5, 7, 5

B = 3, 4, 3, 2, 5, 4, 7, 3, 8, 6, 3, 4, 5

C = 6, 3, 8, 5, 7, 7, 2, 6, 5, 6, 7, 4, 7

Ordenando los datos de menor a mayor se ve que los resultados

del examen han sido diferentes en cada grupo:
A = 2, 3, 4, 4, 5, 5, 5, 5, 5, 6, 6, 7, 8

B = 2, 3, 3, 3, 3, 4, 4, 4, 5, 5, 6, 7, 8

C = 2, 3, 4, 5, 5, 6, 6, 6, 7, 7, 7, 7, 8

Tabla de frecuencias:

Grupo A

Xi Frecuencia Xi*Fi XF*Fi

Fi
2 1 2 4
3 1 3 6
4 2 8 32
5 5 25 125
6 2 12 72
7 1 7 49
8 1 8 64
Total 13 65 352

Grupo B

Xi Frecuencia Xi*Fi XF*Fi

Fi
2 1 2 4
3 4 12 36
4 3 12 48
5 2 10 50
6 1 6 36
 7 1 7 49
8 1 8 64
Total 13 57 287

Grupo C

Xi Frecuencia Xi*Fi XF*Fi

Fi
2 1 2 4
3 1 3 6
4 1 4 16
5 2 10 50
6 3 18 108
7 4 28 196
8 1 8 64
Total 13 73 444

Desarrollo: Grupo A

3( )
=

Calculando la media aritmtica se obtiene:

x = 65 = 5
13
Calcular la mediana

Me = n
2

Me = 13
2

Me = 6.5

Calcular la Varianza:

S2 = X2*Fi - X2
n

S2 = 352 - ( 5)2 = 27.08 25 = 2.1

13

Calcular Desviacin Estndar:

S = 2.1 S = 1.4

Calcular el coeficiente de la simetra:

As = Y - Md As = 5 5 = 0
S 1.4

Desarrollo: Grupo B

As = Y - Md
S

Calcular la Media
 x = Xi*Fi
n

x = 57 = 4,4
13

Calcular la Moda

Md = 3

Calcular la Varianza:

S2 = X2*Fi - X2
n

S2 = 287 - ( 4,4)2 = 22.1 19.4 = 2.7

13

Calcular Desviacin Estndar:

S = 2.7 S = 1.6

Calcular el coeficiente de la simetra:

As = Y - Md As = 4,4 3 = 0.875
S 1.6

Desarrollo: Grupo C

As = Y - Md
S

Calcular la Media
 x = Xi*Fi
n

x = 73 = 5,6
13

Calcular la Moda

Md = 7

Calcular la Varianza:

S2 = X2*Fi - X2
n

S2 = 444 - ( 5,6)2 = 34.2 31.36 = 2.84

13

Calcular Desviacin Estndar:

S = 2.84 S = 1.7

Calcular el coeficiente de la simetra:

As = Y - Md As = 5.6 7 = 0.823
S 1.7

Resultado del grupo A de la simetra

6

Serie 1
3
Serie 2
Serie 3
2

0
2 3 4 5 6 7 8

Asimetra a la Derecha

4.5

3.5

2.5 Serie 1
Serie 2
2
Serie 3
1.5

0.5

0
0 1 2 3 4 5 6 7 8 9

Asimetra a la Ezquierda
4.5

3.5

2.5 Serie 1
Serie 2
2
Serie 3
1.5

0.5

0
0 1 2 3 4 5 6 7 8 9

Anlisis:

Tanto en los datos directos como en las tablas se

aprecia que la puntuacin ms frecuente en el grupo A ha sido
el 5, y que pocos estudiantes han obtenido puntuaciones altas
(puntuaciones 7 y 8) o bajas (2 y 3). En el grupo B, la
mayora de estudiantes ha suspendido. En el grupo C la mayor
parte de los estudiantes ha aprobado, y las puntuaciones ms
frecuentes son las ms altas. En consecuencia, parece que el
tipo de examen s influye en los resultados.

La comparacin de los histogramas muestra que en el

Grupo B los rectngulos ms altos se encuentran a la
izquierda, para encima de las puntuaciones ms bajas (escala
horizontal), y lo contrario sucede en el grupo C.
 Por otro lado, el anlisis de datos se suele realizar
con la intencin de generalizar las conclusiones. En el
ejemplo, lo que interesa saber es si al examinar a cualquier
estudiante con la prueba tipo B resultan puntuaciones ms
bajas que con la prueba tipo A o C: NO interesan tanto los
resultados particulares obtenidos en el estudio porque
reflejan circunstancias del momento. Por esta razn se suele
operar con las curvas suavizadas del histograma (se presentan
superpuestas):
CAPITULO II

2.1. Conclusiones

La asimetra resulta til en muchos campos, muchos

modelos simplistas asumen una distribucin normal, esto es,
simtrico en torno a la media. La Distribucin normal tienen
una asimetra cero, pero en realidad, los valores no son
nunca perfectamente simtricos y la asimetra de la
distribucin proporciona una idea sobre si las desviaciones
de la media son positivas o negativas. Una asimetra positiva
implica que hay ms valores distintos a la derecha de la
media, como eje de simetra consideramos una recta paralela
al eje de ordenadas que pasa por la media de la distribucin.
Si una distribucin es simtrica, existe el mismo nmero de
valores a la derecha que a la izquierda de la media, por
tanto, el mismo nmero de desviaciones con signo positivo que
con signo negativo.
2.2. REFERENCIAS BIBLIOGRFICAS

BENALCZAR, Marco, (2002), Unidades para Producir Medios

Instruccionales en Educacin.

DAZA, Jorge, (2006), Estadstica Aplicada con Microsoft

Excel, Grupo Editorial Megabyte, Lima, Per.

SUREZ, Mario,(2004), Interaprendizaje Holstico de

Matemtica, Ed. Grficas Planeta, Ibarra, Ecuador.

SUREZ, Mario, (2011), Interaprendizaje de Estadstica Bsica

TAPIA, Fausto Ibarra, Ecuador
ANEXOS