Curtosis y sesgo
• kurt(A, B, C, ...): permite devolver la curtosis de los elementos A, B, C, .... La curtosis se define del siguiente modo:
La curtosis de un conjunto de valores indica si la distribución es plana o con picos en comparación con la distribución normal:
|
Value
|
Forma de distribución
|
|---|---|
|
kurt = 0
|
Distribución normal
|
|
kurt > 0
|
Distribución con picos relativos
|
|
kurt < 0
|
Distribución relativamente plana
|
• skew(A, B, C, ...): permite devolver el sesgo de los elementos A, B, C, .... El sesgo se define del siguiente modo:
El sesgo de un conjunto de valores mide la asimetría en torno a la media:
|
Value
|
Forma de distribución
|
|---|---|
|
skew = 0
|
La distribución es simétrica en torno a la media, como en la distribución normal.
|
|
skew > 0
|
La "cola" de la distribución se extiende hacia los valores positivos.
|
|
skew < 0
|
La "cola" de la distribución se extiende hacia los valores negativos.
|
Argumentos
• A, B, C, ... son escalares o arrays. Debe haber al menos cuatro elementos en los argumentos para kurt y al menos tres para skew.
• M es un array creado con los argumentos de la función A, B, C, .... La desviación estándar de M debe ser distinta de cero.