Diferencias en la estimación del coeficiente de curtosis en diferentes softwares estadísticos
Contenido principal del artículo
Resumen
La curtosis, o cuarto momento de una distribución, se emplea para describir una distribución y forma parte de algunos contrastes de normalidad. La mayoría de los paquetes estadísticos la incluyen, por lo que su cálculo es sencillo. Sin embargo, para un mismo grupo de datos, los resultados que proporcionan los diferentes programas estadísticos pueden diferir. Con el objetivo de explicar las diferencias en la estimación de la curtosis entre los paquetes estadísticos de mayor uso para los economistas agrícolas se emplearon dos muestras y se realizó una comparación en la estimación del coeficiente curtosis con nueve softwares estadísticos diferentes. Los resultados mostraron que las diferencias no se deben a errores de cálculo, sino a que el término se emplea de manera incorrecta por la mayoría de programas y se estimó que existe aproximadamente un 20% de probabilidad de llegar a una conclusión equivocada al trabajar con muestras pequeñas y no considerar el factor de ajuste.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Las personas autoras conservan los derechos de autor/a y ceden a la revista el derecho de la primera publicación y que pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, las personas autoras asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Greene, W. H. (2011). Econometric Analysis. (7ed). Prentice Hall. 1241 p.
Byers, R. (2000). On the Maximum of the Standardized Fourth Moment. InterStat,1(2),1-7.
Fernández, S. F., Sánchez, J. M., Córdoba, A., Cordero, J. M., y Largo, A. C. (2002). Estadística descriptiva. ESIC Editorial. 566 p.
Finucan, H. M. (1964). A note on Kurtosis. Journal of the Royal Statistical Society, Series B, 26, 111-112. DOI: 10.1111/j.2517-6161.1964.tb00545.x.
Hosking, J. (1990). L-Moments: Analysis and estimation of distributions using linear combinations of order statistics. Journal of the Royal Statistical Society. Series B, 52(1), 105-124.
Kim, T. y White, H. (2003). On More Robust Estimation of Skewness and Kurtosis: Simulation and Application to the S&P500 Index. UC San Diego: Department of Economics, UCSD. Disponible en: https://escholarship.org/uc/item/7b52v07p
Mardia, K. V. (1970). Measures of Multivariate Skewness and Kurtosis with Applications. Biometrika, 57, 519-530. DOI: 10.2307/2334770.
Moors, J. (1988). A Quantile Alternative for Kurtosis. Journal of the Royal Statistical Society. Series D (The Statistician), 37(1), 25-32. DOI: 10.2307/2348376.
Person, K. (1905). Das Fehlergesetz und Seine Verallgemeinerungen durch Fechner und Pearson. A Rejoinder. Biometrika, 4(1/2), 169-212. DOI: 10.2307/2331536.
Ruppert, D. (1987). What is kurtosis? An influence function approach. The American Statistician, 41(1), 1-5. DOI: 10.2307/2684309.
Seier, E. (2003). Curtosis. PESQUIMAT, VI(2), 1- 26.
Student (1927). Errors of Routine Analysis. Biometrika, 19(1/2), 151-164. DOI: 10.2307/2332181.
Westfall, P.. (2014). Kurtosis as Peakedness, 1905-2014. RIP. The American Statistician, 68(3), 191-195. DOI:10.1080/00031305.2014.917055.