MEDIDAS DE ASSIMETRIA E CURTOSE

Introdução

Para conceituar assimetria, obviamente precisamos conceituar simetria.

Diremos que uma distribuição é simétrica quando 𝑥̅ = Md = Mo.
Se isto de fato ocorrer, a curva de frequência tem a seguinte característica
gráfica:

Se uma distribuição não for simétrica será classificada como assimétrica.

Existem duas alternativas para uma distribuição assimétrica:

a)

b)

No caso a), a distribuição é classificada de assimétrica positiva.

No caso b), a distribuição é classificada de assimétrica negativa.
Medidas de Assimetria

Coeficiente de Pearson

𝑥̅ − 𝑀𝑜
As =
𝜎(𝑥)

Se As = 0 então a distribuição é simétrica.

Se As < 0 então a distribuição é assimétrica negativa.
Se As > 0 então a distribuição é assimétrica positiva.

Segundo este critério, as distribuições são classificadas da seguinte forma

Se As ≤ -1 :assimétrica negativa forte.

Se -1 < As < 0 :assimétrica negativa fraca.
Se As = 0 :simétrica.
Se 0 < As < 1 :assimétrica positiva fraca.
Se As ≥ 1 :assimétrica positiva forte.

Coeficiente de Bowley

𝑄3 + 𝑄1 −2𝑀𝑑
As =
𝑄3 − 𝑄1

Se As = 0 então a distribuição é simétrica.

Se As < 0 então a distribuição é assimétrica negativa.
Se As > 0 então a distribuição é assimétrica positiva.

O coeficiente de Bowley é um valor que varia de -1 a 1.

Por este critério as distribuições são classificadas da seguinte forma:

-1 ≤ As ≤ -0,3 :assimétrica negativa forte.

-0,3 < As < -0,1 :assimétrica negativa moderada.
-0,1 ≤ As < 0 :assimétrica negativa fraca.
As = 0 :simétrica.
0 < As ≤ 0,1 :assimétrica positiva fraca.
 0,1 < As < 0,3 :assimétrica positiva moderada.
0,3 ≤ As ≤ 1 :assimétrica positiva forte.

Medidas de Curtose

Observando a concentração dos valores de uma série em torno de sua

moda, podemos observar 3 situações especiais.

1º caso: os dados estão fortemente concentrados em torno da moda, o

que faria a curva de frequência ser bastante afilada, como na figura:

2º caso: os dados estão razoavelmente concentrados em torno da moda,

o que faria a curva de frequência ser razoavelmente afilada, como na figura:

3º caso: os dados estão fracamente concentrados em torno da moda, o

que faria a curva de frequência ser fracamente afilada, como na figura:

A medida de curtose procura classificar estes tipos de curvas com respeito

ao afilamento ou achatamento de sua área central.
 Para isto padroniza-se a curva do 2º caso.
Este tipo de curva é classificada como mesocúrtica.
A curva do 1º caso, bastante afilada em sua área central, é denominada
leptocúrtica e a curva do 3º caso, bastante achatada em sua área central, é
denominada platicúrtica.
Para classificar uma distribuição quanto à sua curtose, podemos utilizar o
coeficiente de curtose dado por:
4
∑(𝑥𝑖 − 𝑥
̅) 𝑓𝑖
∑ 𝑓𝑖
K= –3
𝜎4 (𝑥)

Se K = 0 a distribuição é mesocúrtica.
Se K > 0 a distribuição é leptocúrtica.
Se K < 0 a distribuição é platicúrtica.

OBSERVAÇÃO:
1. O valor 3 que figura na fórmula de k representa o valor da curtose
para sua distribuição teórica de probabilidades chamada
distribuição normal padrão, que caracteriza a distribuição
mesocúrtica. Se uma distribuição apresenta
4
∑(𝑥𝑖 − 𝑥
̅) 𝑓𝑖
∑ 𝑓𝑖
K= –3
𝜎4 (𝑥)

ela é mesocúrtica e consequentemente K = 0.

2. A medida de curtose tem a finalidade de complementar a

caracterização da dispersão em uma distribuição.

Exemplo 1: Classifique, quanto à simetria, a distribuição abaixo, segundo

o coeficiente de Pearson.
 𝒙𝒊 𝒇𝒊
1 2
2 10
3 6
4 4
5 2
6 1

Solução:
𝑥̅ − 𝑀𝑜
As =
𝜎(𝑥)

Cálculo de 𝑥̅ :

𝒙𝒊 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙 ) 𝟐 𝒇𝒊
(𝒙𝒊 − ̅
1 2 2 7,0688
2 10 20 7,7440
3 6 18 0,0864
4 4 16 5,0176
5 2 10 8,9888
6 1 6 9,7344
∑ 𝒇𝒊 = 25 ∑ 𝒙𝒊 𝒇𝒊 = 72 ̅)𝟐 𝒇𝒊 = 38,64
∑(𝒙𝒊 − 𝒙

Cálculo de Mo: Mo = 2

Cálculo de 𝜎(x):

2( ∑(𝑥𝑖 − 𝑥̅ )2 𝑓𝑖 38,64
𝜎 𝑥) = ∑ 𝑓𝑖
= = 1,5456
25

σ(x) = √𝜎 2 (𝑥) = √1,5456 = 1,24

Substituindo se estes valores obtém-se:

2,88 − 2
As = = 0,71
1,24
 É uma distribuição assimétrica positiva fraca.

Exemplo 2: Classifique, quanto à simetria, a distribuição abaixo, segundo

o coeficiente de Bowley.

Classe Intervalo de classe 𝒇𝒊

1 0 |--- 2 2
2 2 |--- 4 5
3 4 |--- 6 12
4 6 |--- 8 15
5 8 |--- 10 1

Solução:
𝑄3 + 𝑄1 −2𝑀𝑑
As =
𝑄3 − 𝑄1

Calculo de Q3
75∗35
− 𝐹𝑎𝑛𝑡 26,25−19
100
Q3 = P75 = l75 + *h=6+ * 2 = 6,97
𝑓75 15

Calculo de Q1
25∗35
100
− 𝐹𝑎𝑛𝑡 8,75−7
Q1 = P25 = l25 + *h=4+ * 2 = 4,29
𝑓25 12

Calculo de Md
50∗35
100
− 𝐹𝑎𝑛𝑡 17,5−7
Md = P50 = l50 + *h=4+ * 2 = 5,75
𝑓50 12

Substituindo-se estes valores, obtém-se:

6,97+4,29−2(5,75) −0,24
As = = = - 0,09
6,97−4,29 2,68
É uma distribuição assimétrica negativa fraca.

Exemplo 3: Classifique, quanto à curtose, a distribuição abaixo:

Classe Intervalo de classe 𝒇𝒊

1 3 |--- 5 1
2 5 |--- 7 2
3 7 |--- 9 13
4 9 |--- 11 3
5 11 |--- 13 1

Solução:
4
∑(𝑥𝑖 − 𝑥
̅) 𝑓𝑖
∑ 𝑓𝑖
K= –3
𝜎4 (𝑥)

Intervalo
Classe 𝒇𝒊 𝒙𝒊 𝒙𝒊 𝒇𝒊 𝒙)𝟒 𝒇𝒊
(𝒙𝒊 − ̅ 𝒙)𝟐 𝒇𝒊
(𝒙𝒊 − ̅
de classe
1 3 |--- 5 1 4 4 282,5761 16,81
2 5 |--- 7 2 6 12 38,8962 8,82
3 7 |--- 9 13 8 104 0,0013 0,13
4 9 |--- 11 3 10 30 39,0963 10,83
5 11 |--- 13 1 12 12 231,3441 15,21
∑ 𝑓𝑖 = 20 ∑ 𝑥𝑖 𝑓𝑖 = 162 ̅)𝟒 𝒇𝒊 = 591,914
∑(𝒙𝒊 − 𝒙 ̅)𝟐 𝒇𝒊 = 51,8
∑(𝒙𝒊 − 𝒙

∑ 𝑥𝑖 𝑓 𝑖 162
Cálculo de 𝑥̅ = = = 8,1
∑ 𝑓𝑖 20

̅)𝟒 𝒇𝒊
∑(𝒙𝒊 − 𝒙 591,914
Cálculo de: = = 29,5957
∑ 𝑓𝑖 20

̅) 𝟐 𝒇 𝒊
∑(𝒙𝒊 − 𝒙 51,8
Cálculo de: 𝜎 4 (𝑥): 𝜎 2 (𝑥) = = = 2,59
∑ 𝑓𝑖 20

𝜎 4 (𝑥) = [𝜎 2 (𝑥)]2 = [2,59]2 = 6,7081

 Substituindo-se estes valores, obtém-se:
29,5957
K= – 3 = 1,41
6,7081

Como K > 0, a distribuição é leptocúrtica.

Exemplo 4: Suponha que a tabela do exemplo um representasse apenas

uma amostra de uma população.
Neste caso, não conhecemos o desvio padrão populacional 𝜎(𝑥).

Devemos substituir 𝜎(𝑥) por s(x) nas fórmulas que dependem de 𝜎(𝑥).
Desta forma, o coeficiente de Pearson para amostras é escrito:
𝑥̅ − 𝑀𝑜
As =
𝑠(𝑥)

e o coeficiente de curtose para amostras é escrito:

4
∑(𝑥𝑖 − 𝑥
̅) 𝑓𝑖
∑ 𝑓𝑖
K= –3
𝑠4 (𝑥)

Com estas considerações, para o exemplo 1:

̅)𝟐 𝒇𝒊
∑(𝒙𝒊 − 𝒙 38,64
𝑠 2 (𝑥) = ∑ 𝑓𝑖 −1
= = 1,61 e s(x) = √1,61 = 1,27
25−1

O coeficiente de Pearson é:
𝑥̅ − 𝑀𝑜 2,88−2
As = = = 0,69
𝑠(𝑥) 1,27

A distribuição é assimétrica positiva fraca.

Quanto ao exemplo 3, se a tabela representa apenas uma amostra da
população, então:
̅)𝟒 𝒇𝒊
∑(𝒙𝒊 − 𝒙 591,914
Cálculo de: = = 29,5957
∑ 𝑓𝑖 20
e:
̅)𝟐 𝒇𝒊
∑(𝒙𝒊 − 𝒙 51,8
𝑠 2 (𝑥) = ∑ 𝑓𝑖 −1
= = 2,73
20−1
Portanto,
𝑠 4 (𝑥) = [𝑠 2 (𝑥)]2 = [2,73]2 = 7,4529

O coeficiente de curtose vale:

29,5957
K= – 3 = 0,97
7,4529

Como K > 0, a distribuição é leptocúrtica.