Calculadora de curtosis

¿Qué es la curtosis?

La curtosis mide la "colosidad" de una distribución—cuánta probabilidad reside en las colas extremas versus cerca del centro. Una distribución con alta curtosis tiene colas pesadas y un pico agudo. Baja curtosis indica colas ligeras y un pico plano.

Mientras que la asimetría mide la asimetría (desequilibrio izquierda-derecha), la curtosis mide el comportamiento de las colas (frecuencia de valores extremos).

Tipos de curtosis

Mesocúrtica (curtosis ≈ 3): Distribución normal. La línea base para comparación.

Leptocúrtica (curtosis > 3):

• Colas pesadas, pico agudo
• Más valores atípicos que la normal
• Ejemplos: Rendimientos de acciones, distribuciones de ingresos

Platicúrtica (curtosis < 3):

• Colas ligeras, pico plano
• Menos valores atípicos que la normal
• Ejemplos: Distribución uniforme, calificaciones en un examen fácil

Curtosis vs. exceso de curtosis

Existen dos convenciones:

Curtosis: Cuarto momento crudo; la distribución normal tiene curtosis = 3

Exceso de curtosis: Curtosis menos 3; la distribución normal tiene exceso de curtosis = 0

Esta calculadora reporta ambos. El exceso de curtosis es conveniente porque cero representa normalidad, pero algunos programas reportan curtosis cruda.

La fórmula

Curtosis muestral (fórmula de Fisher):

$\text{Exceso de Curtosis} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^{n}\left(\frac{x_i - \bar{x}}{s}\right)^4 - \frac{3(n-1)^2}{(n-2)(n-3)}$

Esta fórmula (de Fisher) proporciona una estimación insesgada del exceso de curtosis poblacional.

La cuarta potencia hace que los valores extremos dominen—un solo valor atípico aumenta dramáticamente la curtosis.

Interpretando valores de curtosis

Estas guías son aproximadas. La significancia estadística depende del tamaño de muestra.

Por qué importa la curtosis

Evaluación de riesgo

En finanzas, la curtosis revela "riesgo de cola":

• Alta curtosis → Eventos extremos más frecuentes
• Los mercados de valores muestran exceso de curtosis de 3-10
• Los modelos que asumen normalidad subestiman la probabilidad de colapso

Expectativa de valores atípicos

Alta curtosis significa que más valores atípicos son naturales:

• La detección de valores atípicos debe usar umbrales apropiados
• Los métodos basados en IQR pueden marcar demasiados "valores atípicos"

Selección de método estadístico

Muchos métodos asumen normalidad:

• Las pruebas t requieren distribuciones aproximadamente normales
• La regresión asume residuos normales
• Alta curtosis indica que estos supuestos pueden fallar

Verificaciones de calidad de datos

Curtosis inesperada puede revelar problemas con los datos:

• Curtosis extrema por unos pocos valores atípicos
• Mezcla de diferentes poblaciones
• Errores de medición

Curtosis en diferentes campos

Finanzas y economía

Los rendimientos de acciones consistentemente muestran leptocurtosis—"colas gruesas." La crisis financiera de 2008 fue un evento de 25 sigmas bajo supuestos normales, pero tales eventos ocurren más frecuentemente de lo que la distribución normal predice.

Ejemplo: Los rendimientos diarios del S&P 500 tienen exceso de curtosis alrededor de 5-10, significando que los días extremos son mucho más comunes de lo que un modelo normal sugiere.

Seguros

Los montos de reclamaciones frecuentemente muestran alta curtosis. El reaseguro existe específicamente porque las reclamaciones grandes (la cola) pueden ser catastróficas.

Manufactura

Las mediciones de calidad deben ser mesocúrticas (normales). Alta curtosis podría indicar:

• Procesos inconsistentes
• Lotes mezclados
• Problemas de medición

Psicología

Las puntuaciones de pruebas diseñadas para ser normalmente distribuidas deben mostrar curtosis cerca de 3. Las desviaciones sugieren efectos de techo/piso u otros problemas.

Contexto histórico

Karl Pearson introdujo la curtosis alrededor de 1905 como parte de su sistema para clasificar distribuciones. Usó el término "exceso" para desviaciones de la distribución normal.

La palabra "curtosis" viene del griego "kyrtos" que significa curvo o arqueado. Pearson estaba describiendo la curvatura del pico, aunque la comprensión moderna enfatiza el comportamiento de las colas.

El error conceptual: Muchos libros de texto describen incorrectamente la curtosis como medida de "picudez." La investigación ha mostrado que la curtosis trata principalmente del peso de las colas, no de la forma del pico. Una distribución puede tener un pico plano pero alta curtosis si tiene colas pesadas.

Comparando distribuciones por curtosis

La distribución t muestra cómo los grados de libertad afectan la curtosis—menos grados significa colas más pesadas.

Prueba de curtosis significativa

Error estándar de la curtosis:

$EE_{curt} \approx 2\sqrt{\frac{6}{n}}$

Nota: EE de curtosis es aproximadamente el doble del EE de asimetría.

Prueba aproximada:

$z = \frac{\text{Exceso de Curtosis}}{EE_{curt}}$

Si |z| > 2, la curtosis difiere significativamente de la normal.

Ejemplo: n = 100, exceso de curtosis = 2

$EE_{curt} = 2\sqrt{6/100} = 0,49$

$z = 2 / 0,49 = 4,1$

Altamente significativo—la distribución tiene colas más pesadas que la normal.

Curtosis y tamaño de muestra

Las estimaciones de curtosis son notoriamente inestables para muestras pequeñas:

• Un solo valor extremo aumenta dramáticamente la curtosis
• Estimaciones confiables requieren n > 100
• Para n < 50, interpreta con cautela

A medida que las muestras crecen, las estimaciones de curtosis se estabilizan y los intervalos de confianza se estrechan.

Curtosis y valores atípicos

Hay una relación circular:

• Los valores atípicos aumentan la curtosis
• Alta curtosis sugiere que se esperan más valores atípicos
• Pero unos pocos valores atípicos extremos podrían inflar la curtosis artificialmente

Siempre visualiza tus datos. Los histogramas revelan si la alta curtosis refleja colas genuinamente pesadas o unos pocos puntos inusuales.

Alternativas robustas

Cuando la curtosis estándar es demasiado sensible a valores atípicos:

Curtosis de Moors: Basada en cuantiles en lugar de momentos

$\text{Moors} = \frac{(E_7 - E_5) + (E_3 - E_1)}{E_6 - E_2}$

Donde $E_1$ a $E_7$ son octiles. Menos sensible a valores extremos.

L-curtosis: Parte del sistema de L-momentos, proporciona estimaciones estables.

Curtosis y transformaciones

Las transformaciones afectan la curtosis:

• Las transformaciones logarítmicas frecuentemente reducen la curtosis de datos sesgados a la derecha
• Las transformaciones de potencia pueden ajustar el comportamiento de las colas
• Las transformaciones de Box-Cox optimizan hacia la normalidad

Después de la transformación, verifica que la curtosis esté más cerca de 3 (o el exceso de curtosis más cerca de 0).

Cálculos relacionados

La curtosis se complementa con:

• Calculadora de asimetría — Medida de forma complementaria
• Calculadora de desviación estándar — Segundo momento
• Calculadora de media — Primer momento
• Calculadora de valores atípicos — Detección de valores extremos
• Calculadora de resumen de cinco números — Visión general de la distribución

Resumen

La curtosis mide el peso de las colas de una distribución, indicando cuán frecuentemente ocurren valores extremos en relación con una distribución normal. Alta curtosis (leptocúrtica) señala colas pesadas y más valores atípicos; baja curtosis (platicúrtica) indica colas ligeras y menos extremos. En finanzas, la curtosis revela riesgo de cola que los modelos basados en normalidad pierden. En control de calidad, curtosis inesperada señala problemas del proceso. Combinada con asimetría, la curtosis proporciona el panorama completo de la forma de distribución más allá de las medidas básicas de centro y dispersión.