Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades: a) =0. b) =1. c) é uma variável adimensional. Dizemos que a variável Z é uma variável padronizada, construída a partir de X. Momentos Definição 1: Seja X uma variável aleatória, definem-se: a) momento de ordem k de X ao valor = e b) momento central de ordem k ao valor = Definição 2: Seja,,, um conjunto de dados, definem-se: a) momento amostral de ordem k dos dados ao valor: = e b) momento central amostral de ordem k dos dados ao valor: =. Alguns autores preferem dividir o somatório por 1. Coeficiente de Assimetria A Figura 1 traz histogramas estilizados de distribuições que diferem em relação à forma; mais especificamente, ao tipo de assimetria. Nosso objetivo é mensurar o grau de assimetria de um conjunto de dados de modo que possamos intuir o tipo de assimetria e sua intensidade (o quanto de afasta de uma situação simétrica). Na Tabela 1 estão dispostas sete observações de três variáveis hipotéticas. Todas têm a mesma média e mesmo desvio-padrão amostral (pelo menos até a segunda casa decimal), no entanto, elas claramente apresentam 1
comportamentos diferentes. A distribuição dos dados da variável X apresenta assimetria positiva; de Y negativa e a de W é simétrica. Iremos apresentar o desenvolvimento do Coeficiente de Assimetria utilizando esses dados. Simetria Assimetria Positiva Assimetria Negativa Numa distribuição perfeitamente simétrica, se existir um ponto a uma distância a acima da média existirá um outro ponto, localizado à mesma distância abaixo da média. Numa distribuição assimétrica positiva, a tendência é que hajam desvios positivos muito maiores do que os negativos Numa distribuição assimétrica negativa, a tendência é que hajam desvios negativos muito maiores do que os positivos Figura 1: Histogramas estilizados de distribuições com diferentes tipos de assimetria Tabela 1: Conjunto de dados hipotético Observação 1 10 14 8,87 2 10,2 13,8 10 3 10,8 13,2 11 4 11 13 12 5 12 12 13 6 14 10 14 7 16 8 15,13 Média 12 12 12 Desvio-padrão 2,06 2,06 2,06 Obs: O desvio-padrão foi calculado como a raiz quadrada do segundo momento central amostral de ordem 2 dos dados. A intuição que norteia a construção do Coeficiente de Assimetria vem dos histogramas da Figura 1. Os valores a e b indicam desvios em relação à média amostral. Na Tabela 2, apresentamos esses desvios para os dados da Tabela 1. Note que: a) para a variável X, há mais desvios negativos, no entanto, de magnitude menor do que os positivos; b) para a variável Y, ocorre o oposto, há mais desvios positivos, no entanto, de magnitude menor do que os negativos; c) em W, para cada desvio negativo, existe um positivo com o mesmo módulo. Poderíamos, então, propor o cálculo da média dos desvios. Esperaríamos que os sinais dos desvios de maior magnitude predominassem e indicassem o tipo de assimetria presente nos dados. No entanto, pode-se provar que a soma dos desvios em relação á média amostral sempre será zero. Para eliminar esse problema, e ainda preservar os 2
sinais dos desvios, poderíamos elevá-lo a qualquer potência ímpar e então calcular sua média. A Tabela 3 descreve essa operação utilizando-se a potência 3. Tabela 2: Desvios em relação a média dos dados da Tabela 1. 1 10-2 14 2 8,87-3,13 2 10,2-1,8 13,8 1,8 10-2 3 10,8-1,2 13,2 1,2 11-1 4 11-1 13 1 12 0 5 12 0 12 0 13 1 6 14 2 10-2 14 2 7 16 4 8-4 15,1 3,13 Média 12 12 12 DP 2,06 2,06 2,06 Os valores das médias dos desvios ao cubo para X, Y e W são, respectivamente, 7,92; -7,92 e 0. Notem que o sinal indica o tipo de assimetria presente nos dados e que esses valores correspondem ao momento central amostral de ordem 3. Em geral, os momentos, sendo >1 um número ímpar podem ser utilizados como indicadores do tipo de assimetria presente nos dados. Os momentos, no entanto, têm um inconveniente. Eles dependem da unidade de medida dos dados. Imagine uma amostra de preços em dólares convertida para reais. Obviamente nada mudou em termos da assimetria, todavia, os terceiros momentos amostrais não irão coincidir, já que = â ó. Tabela 3: Desvios em relação a média dos dados da Tabela 1. 1 10-2 -8 14 2 8 8,87-3,1-30,66 2 10,2-1,8-5,83 13,8 1,8 5,832 10-2 -8 3 10,8-1,2-1,73 13,2 1,2 1,728 11-1 -1 4 11-1 -1 13 1 1 12 0 0 5 12 0 0 12 0 0 13 1 1 6 14 2 8 10-2 -8 14 2 8 7 16 4 64 8-4 -64 15,1 3,13 30,66 Média 12 7,92 12-7,92 12 0 DP 2,06 2,06 2,06 Um modo de contornar esse problema é refazer os cálculos utilizando-se os dados padronizados. A Tabela 4 apresenta essas contas. Agora, mesmo que mudemos a escala de uma coluna o terceiro momento amostral da variável padronizada não sofrerá alterações. 3
Tabela 4: Desvios em relação a média dos dados da Tabela 1, dados padronizados. 1 10-0,97-0,92 14,00 0,97 0,92 8,87-1,52-3,53 2 10,2-0,87-0,67 13,80 0,87 0,67 10,00-0,97-0,92 3 10,8-0,58-0,20 13,20 0,58 0,20 11,00-0,49-0,12 4 11-0,49-0,11 13,00 0,49 0,11 12,00 0,00 0,00 5 12 0,00 0,00 12,00 0,00 0,00 13,00 0,49 0,12 6 14 0,97 0,92 10,00-0,97-0,92 14,00 0,97 0,92 7 16 1,94 7,33 8-1,9-7,3 15,1 1,52 3,53 Média 12 0,91 12-0,91 12 0 DP 2,06 2,06 2,06 Definição 3: Seja,,, um conjunto de dados e = Assimetria (Amostral) dos dados por =., =1,2,,. Define-se o Coeficiente de Alternativamente, pode ser reescrito como = =. Em resumo temos: a) se a distribuição é assimétrica positiva >0; b) se a distribuição é assimétrica negativa <0; c) se a distribuição é (perfeitamente) simétrica =0. Definição 4: Seja X uma variável aleatória com terceiro momento finito. Define-se o Coeficiente de Assimetria (Populacional) de X por = =. 4
Coeficiente de Curtose A Figura 2 ilustra as funções densidade de probabilidades associadas a duas distribuições, ambas com média zero, desvio-padrão um e simétricas; apesar disso, as distribuições diferem bastante. A Figura 3 destaca o comportamento de uma das caudas dessas distribuições. Note que, em relação à f.d.p. de Y (vermelha), a f.d.p. de X (azul) aproxima-se mais rapidamente de zero. Isso sugere que um conjunto de dados gerado por Y apresentaria um número maior de observações distantes do centro da distribuição do que um conjunto de dados gerados por X. Uma vez que X e Y possuem mesmas médias e variâncias, podemos afirmar que a distribuição de Y possui caudas mais pesadas (maior curtose) do que a de X. Voltando aos conjuntos de dados gerados por X e Y, seria de se esperar que os momentos centrais de ordem par (superior a 2, uma vez que as variâncias são iguais) de Y fossem superiores aos de X, como um efeito direto da quantidade de desvios de maior magnitude (lembre que os momentos nada mais são do que médias e que as médias sofrem grande influência de valores muito elevados). Esse é o raciocínio básico que leva à definição de um coeficiente de curtose. Figura 2: F.d.p. de duas distribuições 5
Figura 3: Destaque da cauda esquerda dos histogramas representados na Figura2. Definição 5: Seja,,, um conjunto de dados e = (Amostral) dos dados por =., =1,2,,. Define-se o Coeficiente de Curtose Alternativamente, pode ser reescrito como = =. Definição 6: Seja X uma variável aleatória com quarto momento finito. Define-se o Coeficiente de Curtose (Populacional) de X por = =. Os coeficientes de assimetria e curtose são utilizados para verificar se um conjunto de dados podem ter sido gerados a partir de uma distribuição normal. Se uma v.a. segue uma distribuição normal, então =0 e =3. Assim se, um conjunto de dados foi de fato gerado a partir de uma normal esperaríamos ter próximo a zero e próximo a 3. A partir disso, foi proposta uma alteração no coeficiente de curtose para facilitar sua interpretação. 6
Definição 7: Define-se o coeficiente Excesso de Curtose por Temos que = 3. a) se <0 dizemos que a distribuição tem caudas mais leves do que a normal (platicúrtica), b) se =0 dizemos que a distribuição tem caudas com o mesmo peso das de uma normal (mesocúrtica) e c) se >0 dizemos que a distribuição tem caudas mais pesadas do que a normal (leptocúrtica) Teste de Jarque-Bera O teste de aderência de Jarque-Bera pode ser utilizado para verificar se um conjunto de dados segue uma distribuição normal. A estatística do teste é dada por = 6 +0,25 Sob a hipótese de normalidade dos dados segue uma distribuição qui-quadrado com dois graus de liberdade. Quanto maior for o valor dessa estatística, menor a evidência de que a distribuição é de fato normal. 7