Paso 1: Organizar los datos
Frecuencia Marca de
Intervalo fi * xi
(fi) clase (xi)
[0.4, 0.5) 3 0.45 1.35
[0.5, 0.6) 5 0.55 2.75
[0.6, 0.7) 8 0.65 5.2
[0.7, 0.8) 4 0.75 3
[0.8, 0.9) 3 0.85 2.55
[0.9, 1.0) 2 0.95 1.9
Paso 2: Calcular la media ( xˉ)
Donde:
• fi es la frecuencia de cada intervalo.
• Xi es la marca de clase de cada intervalo.
Calculamos la suma de fi ⋅ xi:
∑(fi⋅xi) = =1.35+2.75+5.2+3.0+2.55+1.9=17.85
La suma de las frecuencias es:
∑fi=3+5+8+4+3+2=25
Por lo tanto, la media es:
Paso 3: Calcular la varianza ( s2 )
La fórmula de la varianza es:
Calculamos (xi−xˉ)2 para cada intervalo:
Intervalo xi xi−xˉ (xi−xˉ)2 fi⋅(xi−xˉ)2
[0.4, 0.5) 0.45 0.45 - 0.714 = -0.264 0.0696 0.2088
[0.5, 0.6) 0.55 0.55 - 0.714 = -0.164 0.0269 0.1345
[0.6, 0.7) 0.65 0.65 - 0.714 = -0.064 0.0041 0.0328
[0.7, 0.8) 0.75 0.75 - 0.714 = 0.036 0.0013 0.0052
[0.8, 0.9) 0.85 0.85 - 0.714 = 0.136 0.0185 0.0556
[0.9, 1.0) 0.95 0.95 - 0.714 = 0.236 0.0557 0.1114
Sumamos los valores de fi⋅(xi−xˉ)2:
∑fi⋅(xi−xˉ)2=0.2088+0.1345+0.0328+0.0052+0.0556+0.1114=0.5483
La varianza es:
Paso 4: Calcular el coeficiente de asimetría ( γ1 ):
Intervalo (xi−xˉ)3 fi⋅(xi−xˉ)3
[0.4, 0.5) -0.264³ = -0.0184 -0.0184 \cdot 3 = -0.0552
[0.5, 0.6) -0.164³ = -0.0044 -0.0044 \cdot 5 = -0.0220
[0.6, 0.7) -0.064³ = -0.00026 -0.00026 \cdot 8 = -0.00208
[0.7, 0.8) 0.036³ = 0.000048 0.000048 \cdot 4 = 0.000192
[0.8, 0.9) 0.136³ = 0.0025 0.0025 \cdot 3 = 0.0075
[0.9, 1.0) 0.236³ = 0.0132 0.0132 \cdot 2 = 0.0264
Sumamos los valores de fi⋅(xi−xˉ) 3:
∑fi⋅(xi−xˉ)3=−0.0552−0.0220−0.00208+0.000192+0.0075+0.0264=−0.0452
El coeficiente de asimetría es:
Paso 5: Calcular la curtosis ( γ2 )
Intervalo (xi−xˉ)4 fi⋅(xi−xˉ)4
[0.4, 0.5) 0.0696² = 0.00485 0.00485 \cdot 3 = 0.0146
[0.5, 0.6) 0.0269² = 0.00072
Paso 6: Interpretación
• Asimetría negativa (−1.99): Indica que la distribución está sesgada a la
izquierda, es decir, la mayor parte de los datos están en el extremo derecho,
pero hay algunas observaciones más pequeñas que arrastran la media hacia
la izquierda.
• Curtosis: Si la curtosis es mayor que 3, indica que los datos tienen colas más
gruesas que una distribución normal (distribución leptocúrtica). Si es menor
que 3, indica colas más delgadas (distribución platicúrtica).
