Las medidas de forma son indicadores estadísticos que describen la forma de una distribución de datos. Nos dicen si la distribución es simétrica o asimétrica, y qué tan puntiaguda o plana es.
Existen dos medidas de forma principales: la asimetría (skewness) y la curtosis (kurtosis).
Asimetría (Skewness): Mide el grado de falta de simetría de una distribución.
Must Read
- Asimetría positiva (sesgo a la derecha): La cola de la distribución es más larga en el lado derecho. La mayoría de los datos se concentran a la izquierda, y hay valores atípicos altos. Ejemplo: Distribución de los salarios; la mayoría de la gente gana menos, pero algunos pocos ganan mucho más.
- Asimetría negativa (sesgo a la izquierda): La cola de la distribución es más larga en el lado izquierdo. La mayoría de los datos se concentran a la derecha, y hay valores atípicos bajos. Ejemplo: La edad al fallecer; la mayoría de la gente vive hasta una edad avanzada.
- Asimetría cero: La distribución es simétrica. Ejemplo: Distribución normal o campana de Gauss.
Curtosis (Kurtosis): Mide qué tan puntiaguda o plana es una distribución en relación con la distribución normal.
- Leptocúrtica: Distribución más puntiaguda que la normal, con colas más pesadas (más valores atípicos).
- Mesocúrtica: Distribución similar a la normal en cuanto a su forma.
- Platicúrtica: Distribución más plana que la normal, con colas más ligeras (menos valores atípicos).
Ejemplo Práctico: Imaginemos un examen. Si la distribución de las notas es asimétrica negativa, significa que la mayoría de los estudiantes obtuvieron notas altas, y la distribución se extiende hacia notas bajas (algunos pocos reprobaron). Si la distribución es leptocúrtica, significa que las notas están muy concentradas alrededor de la media, con muy pocos estudiantes con notas extremadamente altas o bajas.
Importancia: Las medidas de forma son importantes porque nos ayudan a entender la naturaleza de los datos. Esto es crucial en áreas como las finanzas (para evaluar riesgos), la investigación de mercado (para comprender el comportamiento del consumidor) y la ciencia de datos (para la selección y preparación de modelos).
