Exceso de curtosis
En una distribución estadística, el exceso de curtosis es la diferencia entre el valor de un coeficiente de curtosis correspondiente a dicha distribución y el valor del mismo coeficiente para una distribución normal. Según el exceso de curtosis sea positivo o negativo, se concluirá que la distribución es leptocúrtica o platicúrtica.
Puede interesarte también
Como citar: Sarasola, Josemari (2024) en ikusmira.org
"Exceso de curtosis" (en línea) Enlace al artículo
Última actualización: 06/05/2025
¿Tienes preguntas sobre este artículo?
Envíanos tu pregunta e intentaremos responderte lo antes posible.
Sigue aprendiendo en Audible
Apoya nuestro contenido registrándote en Audible, sigue aprendiendo gratis a través de este link!
Artículos relacionados
Covariación
La covariación, término utilizado a veces como sinónimo de correlación, es la variación conjunta entre en dos variables estadísticas. De este modo la covariación indica si al aumentar una variable la otra variable tiende a aumentar o disminuir, y en que medida....
Distribución muestral de un estimador
La distribución muestral de un estimador, también llamada distribución de muestreo o distribución en el muestreo de un estimador o estadístico, es la distribución de probabilidad de los valores que puede tomar un estimador concreto en el caso de que se tome una muestra aleatoria.
Cuando se to...
Coeficiente de correlación biserial puntual
El coeficiente de correlación biserial puntual o coeficiente de correlación punto-biserial es un coeficiente que mide la correlación o relación estadística entre una variable cuantitativa y una variable dicotómica genuina o pura, esto es, que no ha sido el objeto de una dicotomización artificial. Un...
Número de intervalos de clase
El primer paso para construir una distribución de frecuencias agrupada en intervalos es determinar el número de intervalos de clase en los que se van a agrupar los datos.
Como regla general, el número de intervalos de clase óptimo debe fijarse entre 5 y 15. Un número demasiado pequeño de inte...