FACULTAD DE EDUCACIÓN

ESCUELA PROFESIONAL DE EDUCACIÓN

TÍTULO

CURVAS SUAVIZADAS SOBRE ASIMETRÍA

AUTOR

IDA MAYRA REYES NOYA

ASESOR

MAG. JOHN HUAMANLAZO CHAUPIN

Satipo - Perú

Año 2018
Observan curvas suavizadas sobre asimetría y se realizan preguntas exploratorias
sobre el tema.

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 derecha si la 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
derecha. Diremos que hay asimetría negativa o a la izquierda si la 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 izquierda.

En equipos de trabajo colaborativo a través de una práctica resuelven problemas

sobre el coeficiente de asimetría de Pearson para medir el grado de deformación
horizontal de una distribución de datos agrupados de variables cuantitativas del
contexto de su profesión, empleando las Tics, asumiendo una actitud proactiva.

EJERCICIO 1

A continuación se presentan los sueldos iniciales en miles de dólares en una muestra de

profesores que terminaron sus estudios y empezaron a trabajar como profesores el año
pasado.36, 26, 33, 28,31. Determine los valores de la media, mediana y desviación
estándar.

X2
36 1296 26
26 676 28
33 1089 31
28 784 33
31 961 36
154 4806

M.Arimetica = [x/n

M.Arimetica =154/5=30,8

Mediana = 31
Determine el coeficiente de asimetría usando el método de Pearson

CA= (Mediana – Mediana) / s

CA= 3 (30,8 – 31) / 3,96

CA= 3 ( - 0,2 / 3,96)

CA= ( -0,050 ) = - 0,15

Determine el coeficiente de asimetría usando el método de Software

CA = n ∑ X-X
(n-1) (n-2) S x (x-xm/s)3
36 2,264
26 -1,78
33 -0,171
Xmed = 30,8 28 -0,353
31 0,000129
S = 3,96 total 0,302129

CA = 5 ∑ 0.30212
(5-1) (5-2) 3.96

CA = 5 / (4*3) (0,302129) = 5 /12 (0,302129) = 0,416 (0,302129) = 0,1256

EJERCICIO 2

La calificación de un grupo de alumnos se muestra a continuación:

xi ni Ni
0 1 1
1 2 3
2 4 7
3 7 14
4 15 29
5 18 47
6 13 60
7 9 69
8 5 74
9 4 78
10 3 81

Sabiendo que la medida aritmética es de 5,284 y la desviación típica de 2,115

1 obtener el coeficiente de asimetría de Pearson 1
2 obtener el coeficiente de asimetría de Pearson 2

1 obtener el coeficiente de asimetría de Pearson 1

Ap1 = 3. (X– med) N/2 = 81= 40,5

5 2

Med= 5

AP1= 3.(5,284 - 5) = 0,403

2,115

2 obtener el coeficiente de asimetría de Pearson 2

Ap2 = X – Mo
S
Mo = 5

Ap2 = 3. (5,284 - 5) = 0,134

2,115
Presentan el avance del informe grupal sobre medidas de asimetría y reciben las
orientaciones y sugerencias del docente.

MEDIDAS ASIMETRICAS

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 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 derecha. Diremos que
hay asimetría negativa (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
izquierda.

Diremos que una distribución es simétrica cuando su mediana, su moda y su media

aritmética coincidan. Claramente las distribuciones de los ejemplos de los niveles de
colinesterasa y del n° de hijos no son por tanto, simétricas.

Diremos que una distribución es asimétrica a la derecha si las frecuencias (absolutas o

relativas) descienden más lentamente por la derecha que por la izquierda.

Si las frecuencias descienden más lentamente por la izquierda que por la derecha diremos
que la distribución es asimétrica a la izquierda.
TIPOS DE ASIMETRÍA

 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
MEDIDAS DE ASIMETRÍA

a. COEFICIENTE DE ASIMETRÍA DE PEARSON

Se define como:

siendo cero cuando la distribución es simétrica, positivo cuando existe asimetría

a la derecha y negativo cuando existe asimetría a la izquierda.

En el ejemplo del número de hijos Ap es igual a

indicando una ligera asimetría a la izquierda en la distribución de frecuencias

correspondiente.

De la misma manera, para el ejemplo de los niveles de colinesterasa también se

observa una ligera asimetría a la izquierda, al ser

De la definición se observa que este coeficiente solo se podrá utilizar cuando la

distribución sea unimodal. La otra medida de asimetría que veremos no presenta
este inconveniente.
 b. COEFICIENTE DE ASIMETRÍA DE FISHER
Se define como

Siendo xi los valores de la variable o las marcas de clase y S= , llamada a

veces cuasi desviación típica.

La interpretación del coeficiente de Fisher es la misma que la del coeficiente de

Pearson: si la distribución es simétrica vale cero, siendo positivo o negativo
cuando exista asimetría a la derecha o izquierda respectivamente.

c. COEFICIENTE DE ASIMETRÍA DE BOWLEY

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 .
Si la distribución es positiva o a la derecha, .

La asimetría resulta útil en muchos campos. Muchos modelos simplistas asumen una
distribución normal, esto es, simétrica en torno a la media. La distribución normal tiene
una asimetría cero. Pero en realidad, los valores no son nunca perfectamente simétricos y
la asimetría de la distribución proporciona una idea sobre si las desviaciones de la media
son positivas o negativas. Una asimetría positiva implica que hay más valores distintos a
la derecha de la media.

Las medidas de asimetría, sobre todo el coeficiente de asimetría de Fisher, junto con las
medidas de apuntamiento o curtosis se utilizan para contrastar si se puede aceptar que una
distribución estadística sigue la distribución normal. Esto es necesario para realizar
numerosos contrastes estadísticos en la teoría de inferencia estadística
MEDIDAS DE APUNTAMIENTO O CURTOSIS

Las medidas de curtosis se aplican para distribuciones campaniformas, unimodales y

simétricas o moderadamente asimétricas.

Las medidas de curtosis estudian la distribución de frecuencias en la zona central de la

distribución. Una concentración de frecuencias alta en esta zona da una distribución más
apuntada Para estos estudios hay que definir un tipo de distribución como referencia.

Distribución normal:

1 ( x )2
1 
f ( x)  e 2 2

 2
Una distribución más apuntada que la normal es leptocúrtica. Una distribución menos
apuntada que la normal es mesocúrtica.
EL COEFICIENTE DE APUNTAMENTO O CURTOSIS

Para calcular el momento se puede usar la expresión en función de los momentos respecto
al origen

n
ni
m  ( xi  x ) 4 N
si g 2  0 mesocúrtica (normal )

g 2  44  3  i 1 4/2
3 si g 2  0 leptocúrtica
si g 2  0 platicúrtica
S  n
2 ni 
 i ( x  x )
N 
 i 1
MEDIDAS DE CONCENTRACIÓN

Medidas de concentración: Medir el grado de igualdad del variable.Nos interesa estudiar

hasta que punto la suma total de rentas (por ejemplo) está equitativamente repartida.

Concentración máxima: De los n personas, sólo uno percibe el total renta y los demás
nada:

x1  x 2  x3    x n 1  0 para x n  0

Concentración mínima: Todos personas perciben la misma cantidad:

x1  x 2  x3    x n

CURVA DE LORENZ

Estudiamos pi y q i para saber grados de concentración. Por ejemplo, si pi  10 y

qi  3 , sabemos que los diez por cientos con renta más baja tienen 3 por cientos de la
renta total.
La relación entre pi y q i se puede ilustrar gráficamente; una curva de concentración o
curva de Lorenz.

[Fig 6.1]

qi %

Concentración mínima

pi %

El Índice de concentración de Gini puede variar entre 0 y 1, adonde valores más cercana
a cero indica una distribución más equitativa.
El Índice de concentración de Gini es aproximadamente igual el área entre la
concentración mínima y la curva de Lorenz divido por el área entre la concentración
mínima y la concentración máxima.
Redactan la definición de las variables de investigación utilizando 05 fuentes de
información diferentes a la tesis seleccionada utilizando un programa antiplagio
gratuito.

1. La concreción de los aspectos de la realidad o problema a los que dirigiremos

nuestra atención se hace definiendo las variables. Una variable es un aspecto de la realidad
que cambia en distintas situaciones, para diferentes objetivos y sujetos. Las variables
permiten agrupar, diferenciar, ordenar, distribuir, relacionar objetos, personas y cualquier
elemento de la realidad.
Las variables no están dadas de antemano, sino que hay que elaborarlas, siendo en un
principio conceptos generales que hay que concretar para darles significados.

Variable independiente. Es la característica que la persona investigadora utiliza para

comprobar el efecto que produce la variable dependiente. Se trata, por tanto, de una
variable que explica y que causa los cambios en la variable dependiente.
Variable dependiente. Es explicada por la variable independiente. Se puede concebir
como una variable efecto, ya que es la característica que cambia según las variaciones de
la variable independiente.

2. Magnitud que puede tomar varios valores distintos. Una imagen, percepción o
concepto que permite ser medido–capaz de tomar distintos valores.
Unidad racional de análisis que puede asumir cualquiera de los valores de un conjunto
designado de ellos.

Hay que decir que hay una gran parte de la comunidad que defiende que hay variables
que no se pueden medir correctamente como los sentimientos preferencias, valores y
sensaciones, aunque a veces sí se pueden utilizar mediante indicadores indirectos.

3. Las variables como una medición cuantitativa de variables o condiciones

determinadas, a través de los cuales es posible entender o explicar una realidad o un
fenómeno en particular y su evolución en el tiempo, de donde se reconoce que los
procesos y sus relaciones son cambiantes en el tiempo y que es posible observarlos y
determinar su evolución. Es prudente aceptar que una misma variable puede presentar
uno o más indicadores, correspondiéndole al investigador proceder con sumo cuidado en
la identificación de éste o éstos, ya que constituyen elementos que están directamente
vinculados con la hipótesis.
.
4. El término variable, en su significado más general, se utiliza para designar cualquier
característica de la realidad que puede ser determinada por observación y que puede
mostrar diferentes valores de una unidad de observación a otra. Así las variables existen
en el mundo real, mientras que los conceptos, en cierto modo, existen como parte de
nuestro lenguaje y de nuestra manera de conocer ese mundo real. Que las variables pueden
asumir diferentes valores lo podemos observar en las variables de educación formal de
un grupo de personas; puede variar entre el analfabetismo (cero educación formal) hasta
los niveles universitarios más altos. El peso de las personas puede variar en unas pocas
libras al nacer a más de cien en la vida adulta.

5. De forma conceptual o constitutiva, es decir, definiendo en que consiste la naturaleza

de la variable mediante conceptos. De forma operativa, consiste en definir las variables
describiendo las operaciones o actividades que han de realizarse para medirla o
manipularla. Se convierte en una serie de instrucciones que el investigador debe tener
resente para medirla o manipularla. El investigador ha de traducir las variables a
definiciones observables, cuantificables y medibles. La definición operacional implica la
desmembración de los aspectos diferenciables del concepto atendiendo
fundamentalmente a dos niveles de generalidad diferentes. Es decir, en la definición
operacional debemos distinguir, básicamente, entre dimensiones e indicadores.

Bibliografía:

https://educacionadistancia.juntadeandalucia.es/profesorado/autoformacion/mod/book/v
iew.php?id=3846&chapterid=3120

https://es.slideshare.net/rrepiso/identificacin-de-variables-tema-5?from_action=save
https://www.monografias.com/trabajos64/variables-definicion-ejemplo/variables-
definicion-ejemplo.shtml

http://metodologia-aldia.blogspot.com/2011/09/definicion-de-variables.html

https://www.ecured.cu/Variables