Contenido de este artículo
- 0
- 0
- 0
- 0
Desarrollado por el bioestadístico Karl Pearson , el coeficiente de asimetría de Pearson es una forma de medir la asimetría en un conjunto de datos de muestra.
En realidad, existen dos métodos que se pueden utilizar para calcular el coeficiente de asimetría de Pearson:
Método 1: usar el modo
Asimetría = (Media – Modo) / Desviación estándar de la muestra
Método 2: usar la mediana
Asimetría = 3 (Media – Mediana) / Desviación estándar de la muestra
En general, se prefiere el segundo método porque el modo no siempre es una buena indicación de dónde se encuentra el valor «central» de un conjunto de datos y puede haber más de un modo en un conjunto de datos dado.
El siguiente ejemplo paso a paso muestra cómo calcular ambas versiones del coeficiente de asimetría de Pearson para un conjunto de datos determinado en Excel.
Paso 1: crear el conjunto de datos
Primero, creemos el siguiente conjunto de datos en Excel:
Paso 2: Calcule el coeficiente de asimetría de Pearson (usando la moda)
A continuación, podemos usar la siguiente fórmula para calcular el coeficiente de asimetría de Pearson usando la moda:
La asimetría resulta ser 1.295 .
Paso 3: Calcule el coeficiente de asimetría de Pearson (utilizando la mediana)
También podemos usar la siguiente fórmula para calcular el coeficiente de asimetría de Pearson usando la mediana:
La asimetría resulta ser 0,569 .
Cómo interpretar la asimetría
Interpretamos el coeficiente de asimetría de Pearson de las siguientes formas:
- Un valor de 0 indica que no hay asimetría. Si creáramos un histograma para visualizar la distribución de valores en un conjunto de datos, sería perfectamente simétrico.
- Un valor positivo indica un sesgo positivo o un sesgo «a la derecha». Un histograma revelaría una «cola» en el lado derecho de la distribución.
- Un valor negativo indica un sesgo negativo o un sesgo «hacia la izquierda». Un histograma revelaría una «cola» en el lado izquierdo de la distribución.
En nuestro ejemplo anterior, la asimetría fue positiva, lo que indica que la distribución de los valores de los datos estaba sesgada positivamente o sesgada «a la derecha».
Recursos adicionales
Consulte este artículo para obtener una buena explicación de las distribuciones sesgadas a la izquierda frente a las distribuciones sesgadas a la derecha.
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
Redactor del artículo
¿Te hemos ayudado?
Ayudanos ahora tú, dejanos un comentario de agradecimiento, nos ayuda a motivarnos y si te es viable puedes hacer una donación:La ayuda no cuesta nada
Por otro lado te rogamos que compartas nuestro sitio con tus amigos, compañeros de clase y colegas, la educación de calidad y gratuita debe ser difundida, recuerdalo:
