ASIMETRIA

Las medidas de asimetría son indicadores que permiten establecer el grado de simetría (o
asimetría) que presenta una distribución de probabilidad de una variable aleatoria sin tener
que hacer su representación gráfica. Como eje de simetría consideramos una recta
paralela al eje de ordenadas que pasa por la media de la distribución. Si una distribución
es simétrica, existe el mismo número de valores a la derecha que a la izquierda de la
media, por tanto, el mismo número de desviaciones con signo positivo que con signo
negativo. Decimos que hay asimetría positiva (o a la izquierda) si la "cola" a la izquierda de
la media es más larga que la de la derecha, es decir, si hay valores más separados de la
media a la derecha. Diremos que hay asimetría negativa (o a la derecha) si la "cola" a la
derecha de la media es más larga que la de la izquierda, es decir, si hay valores más
separados de la media a la izquierda.

Coeficiente de asimetría de Fisher

En teoría de la probabilidad y estadística, la medida de asimetría más utilizada parte del
uso del tercer momento estándar. La razón de esto es que nos interesa mantener el signo
de las desviaciones con respecto a la media, para obtener si son mayores las que ocurren
a la derecha de la media que las de la izquierda. Sin embargo, no es buena idea tomar el
momento estándar con respecto a la media de orden 1. Debido a que una simple suma de
todas las desviaciones siempre es cero. En efecto, si por ejemplo, los datos están
agrupados en K clases, se tiene que:

en donde 𝒙𝟏 representa la marca de la clase 𝑖-ésima y 𝒇𝒊 denota la frecuencia relativa de

dicha clase. Por ello, lo más sencillo es tomar las desviaciones al cubo.
El coeficiente de asimetría de Fisher, representado por 𝜸𝟏 , se define como:

Donde 𝝁𝟑 es el tercer momento en torno a la media y 𝝈 es la desviación estándar.

Si 𝜸𝟏 > 𝟎, la distribución es asimétrica positiva o a la derecha.
Si 𝜸𝟏 < 𝟎, la distribución es asimétrica negativa o a la izquierda.
Si la distribución es simétrica, entonces sabemos que 𝜸𝟏 = 𝟎. El recíproco no es cierto: es
un error común asegurar que si 𝜸𝟏 = 𝟎 entonces la distribución es simétrica (lo cual es
falso)

Coeficiente de asimetría de Pearson

Sólo se puede utilizar en distribuciones uniformes, unimodales y moderadamente
asimétricas. Se basa en que en distribuciones simétricas la media de la distribución es
igual a la moda.
donde 𝝁 es el momento ordinario de orden 1, que corresponde a la media aritmética de la
variable 𝑿.

Si la distribución es simétrica, 𝝁 = 𝒎𝒐𝒅𝒂 y 𝑨𝒑 = 𝟎. Si la distribución es asimétrica

positiva la media se sitúa por encima de la moda y, por tanto, 𝐴𝑝 = 0.

Coeficiente de asimetría de Bowley-Yule

Está basado en la posición de los cuartiles y la mediana, y utiliza la siguiente expresión:

En una distribución simétrica el tercer cuartil estará a la misma distancia de la mediana

que el primer cuartil. Por tanto 𝑨𝑩𝒀 = 𝟎.
Si la distribución es positiva o a la derecha, 𝑨𝑩𝒀 > 𝟎.

CURTOSIS
La medida de curtosis trata de estudiar la proporción de la varianza que se explica por la
combinación de datos extremos respecto a la media en contraposición con datos poco
alejados de la misma.
Una mayor curtosis implica una mayor concentración de datos muy cerca de la media de la
distribución coexistiendo al mismo tiempo con una relativamente elevada frecuencia de
datos muy alejados de la misma. Esto explica una forma de la distribución de frecuencias
con colas muy elevadas y con un centro muy apuntado.
Un coeficiente de apuntamiento o de curtosis es el basado en el cuarto momento con
respecto a la media y se define como:

donde 𝝁𝟒 es el 4º momento centrado o con respecto a la media y 𝝈 es la desviación

estándar.
En la distribución normal se verifica que 𝝁𝟒 = 𝟑𝝈𝟒 , donde 𝝁𝟒 es el momento de orden 4
respecto a la media y 𝝈 la desviación típica. Por eso, está más extendida la siguiente
definición del coeficiente de curtosis:

donde se le ha sustraído 3 (que es la curtosis de la distribución normal o gaussiana) con

objeto de generar un coeficiente que valga 0 para la Normal y tome a ésta como referencia
de apuntamiento:
Tomando, pues, la distribución normal como referencia, una distribución puede ser:

 leptocúrtica, cuando 𝜷𝟐 > 𝟑 y 𝒈𝟐 > 𝟎 : más apuntada y con colas menos anchas que
la normal.
 platicúrtica, 𝜷𝟐 < 𝟑 y 𝒈𝟐 < 𝟎: menos apuntada y con colas más anchas que la
normal.
 mesocúrtica, 𝜷𝟐 = 𝟑 y 𝒈𝟐 = 𝟎: cuando tiene una distribución normal.

Otra forma de medir la curtosis se obtiene examinando la fórmula de la curtosis de la suma

de variables aleatorias. Si Y es la suma de n variables aleatorias estadísticamente
𝑲𝒖𝒓𝒕[𝑿]
independientes, todas con igual distribución X, entonces 𝑲𝒖𝒓𝒕[𝒀] = ,
𝒏
𝝁𝟒
complicándose la fórmula si la curtosis se hubiese definido como .
𝝈𝟒