Octava Asignacion

Cuadro comparativo

Medidas de Forma:	Medidas de Asimetría O Sesgo	Medidas de Apuntamiento O Curtosis
Diferencias	Es simétrica cuando su mediana, su moda y su media aritmética coinciden.   Su ecuación es: Ejes de asimetría:    (g1 = 0): Se acepta que la distribución es Simétrica,  (g1 > 0): La curva es asimétricamente positiva por lo que los valores se tienden a reunir más en la parte izquierda que en la derecha de la media.  (g1 < 0): La curva es asimétricamente negativa por lo que los valores se tienden a reunir más en la parte derecha de la media.	Miden la mayor o menor cantidad de datos que se agrupan en torno a la moda.  Su ecuación es:   Sus ejes:    (g2 = 0) la distribución es Mesocúrtica: Al igual que en la asimetría es bastante difícil  encontrar un coeficiente de Curtosis de cero (0), por lo que se suelen aceptar los valores cercanos (± 0.5 aprox.).  (g2 > 0) la distribución es Leptocúrtica  (g2 < 0) la distribución es Platicúrtica
Importancia	Permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media aritmética).  Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5) y un coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal  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.   Coeficiente de asimetría de Bowley: Está basado en la posición de los cuartiles y la mediana, y utiliza la siguiente expresión:   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	Esta medida determina el grado de concentración que presentan los valores en la región central de la distribución  Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5) y un coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal  La principal ventaja de la distribución normal radica en el supuesto que el 95% de los valores se encuentra dentro de una distancia de dos desviaciones estándar de la media aritmética; es decir, si tomamos la media y le sumamos dos veces la desviación y después le restamos a la media dos desviaciones, el 95% de los casos se encontraría dentro del rango que compongan estos valores.