Vous êtes sur la page 1sur 3

Curtosis y coeficiente de apuntamiento

Cerda Indy
Universidad de las Fuerzas Armadas ESPE
incerda@espe.edu.ec
6 de junio de 2018

Introducción
Un aspecto relevante en el análisis de un conjunto de datos o una variable es estudiar la
forma de su distribución. Una medida para determinar qué tan elevada o plana (achatada
o picuda) es la distribución de ciertos datos, tomando como referencia la distribución
normal se obtiene a través del estadístico llamado curtosis (Gutiérrez & De la Vara, 2009).
El termino curtosis es utilizado tanto en la estadística descriptiva como en la estadística
diferencial. Varios trabajos literarios la han definido vagamente como la localización y el
movimiento libre de escala de la masa de probabilidad de una distribución en su centro y
colas, por lo que se la considera una característica de forma de la distribución (Balanda
& Macgillivray, 1988).

Definición
Momentos centrales o respecto a la media
Dada una variable aleatoria X se denomina el momento central de orden 𝑝 ≪ 𝜇𝑝 ≫ a :
𝜇𝑝 = 𝐸[(𝑋 − 𝜇)𝑝 ]
 Caso discreto
𝜇𝑝 = 𝐸[(𝑋 − 𝜇)𝑝 ] = ∑Ɐ𝑖(𝑥𝑖 − 𝜇)𝑝 𝑓(𝑥𝑖 ) donde 𝑓(𝑥) es la función de probabilidad
de la variable aleatoria X.
 Caso continuo
+∞
𝜇𝑝 = 𝐸[(𝑋 − 𝜇)𝑝 ] = ∫−∞ (𝑥𝑖 − 𝜇)𝑝 𝑓(𝑥) 𝑑𝑥 donde 𝑓(𝑥) es la función de densidad de
la variable aleatoria X.
(Bachero, y otros, 2006)

Se define a la curtosis como el cuarto momento central:


Para 𝑝 = 4
𝜇4 = 𝐸[(𝑋 − 𝑚𝑥 )4 ]

Desarrollando se obtiene
𝜇4 = 𝐸[(𝑋 4 − 4𝑋 3 𝑚𝑥 + 6𝑋 2 𝑚𝑥2 − 4𝑋𝑚𝑥3 + 𝑚𝑥4 )]

𝜇4 = 𝐸[𝑋 4 ] − 4𝐸[𝑋 3 ]𝑚𝑥 + 6𝐸[𝑋 2 ]𝑚𝑥2 − 4𝐸[𝑋]𝑚𝑥3 + 𝑚𝑥4

Como 𝐸[𝑋 3 ] = 𝜇3 + 3𝑚𝑥 𝜎 2 + 𝑚𝑥3 y 𝐸[𝑋 2 ] = 𝜎𝑥2 + 𝑚𝑥2

𝜇4 = 𝐸[𝑋 4 ] − 4𝑚𝑥 (𝜇3 + 3𝑚𝑥 𝜎𝑥2 + 𝑚𝑥3 ) + 6𝑚𝑥2 (𝜎𝑥2 + 𝑚𝑥2 ) − 4𝑚𝑥 . 𝑚𝑥3 + 𝑚𝑥4

𝜇4 = 𝐸[𝑋 4 ] − 4𝑚𝑥 𝜇3 − 12𝑚𝑥2 𝜎𝑥2 − 4𝑚𝑥4 + 6𝑚𝑥2 𝜎𝑥2 + 6𝑚𝑥4 − 4𝑚𝑥4 + 𝑚𝑥4

𝜇4 = 𝐸[𝑋 4 ] − 4𝑚𝑥 𝜇3 − 6𝑚𝑥2 𝜎𝑥2 − 𝑚𝑥4

Coeficiente de apuntamiento o de curtosis


Coeficiente de apuntamiento o de curtosis mide el grado de apuntamiento o la agudeza
de la distribución y se define como el cuarto momento con respecto a la media
estandarizado:
𝐸[(𝑋 − 𝑚𝑥 )4 ] 𝜇4
𝛽2 = 2 2
= 4
(𝐸(𝑋 − 𝑚𝑥 ) ) 𝜎𝑥

Donde 𝜇4 es el cuarto momento central y 𝜎𝑥 es la desviación estándar (DeCarlo, 1997).

En la distribución normal se verifica que 𝜇4 = 3𝜎𝑥4 donde 𝜇4 es el momento de orden 4


respecto a la media y 𝜎𝑥 es la desviación típica. Por eso, está más extendida la siguiente
definición del coeficiente de curtosis:
𝜇4
𝛾2 = 4 − 3
𝜎𝑥

donde se 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 curtosis.

Al tomar la distribución normal como referencia, una distribución puede ser:


a. Leptocúrtica.- cuando 𝛽2 > 3 y 𝛾2 > 0. La forma de la distribución es más
apuntada y con colas menos gruesas que la normal (Westfall, 2014) (figura 1).

Figura 1. Distribución leptocúrtica (Bellón, 2012)

b. Platicúrtica.- cuando 𝛽2 < 3 y 𝛾2 < 0. La forma de la distribución es menos


apuntada y con colas más gruesas que la normal (Westfall, 2014) como muestra
la figura 2.

Figura 2. Distribución platicúrtica (Bellón, 2012)


a. Mesocúrtica.- cuando 𝛽2 = 3 y 𝛾2 = 0. La forma de la distribución es normal
(Westfall, 2014) (figura 3).

Figura 3. Distribución mesocúrtica (Bellón, 2012)

Bibliografía
Bachero, J., Blasco, M., Coll, V., DIEZ, R. G., Ivars, A. L., & Ruiz, F. (2006).
Estadística descriptiva y nociones de probabilidad. España: Editorial Paraninfo.
Balanda, K., & Macgillivray, H. (1988). Kurtosis: A Critical Review. The Americal
Statistician. 42, 111-119.
Bellón, J. (2012). Estadística Descriptiva con el SPSS. Recuperado el 06 de Junio de
2018, de EMEI: http://epidemiologiamolecular.com/estadistica-descriptiva-spss/
DeCarlo, L. (1997). On the Meaning and Use of Kurtosis. Psychological Methods. 3,
292-307.
Gutiérrez, H., & De la Vara, R. (2009). Control Estadístico de Calidad y Seis Sigma.
México: McGRAW-HILL.
Westfall, P. (2014). Kurtosis as Peakedness. The American statistician. 2014;68(3) ,
191-195.