Los momentos de una distribución continua, y funciones de ellos como la curtosis, le dicen muy poco sobre el gráfico de su función de densidad.
Considere, por ejemplo, los siguientes gráficos.
Cada uno de estos es el gráfico de una función no negativa que se integra a : todos son archivos PDF. Además, todos tienen exactamente los mismos momentos, hasta el último número infinito de ellos. Por lo tanto comparten una kurtosis común (que pasa a ser igual a - 3 + 3 e 2 + 2 e 3 + e 4 ).1- 3 + 3 e2+ 2 e3+ e4 4
Las fórmulas para estas funciones son
Fk , s( x ) = 12 π--√XExp( - 12( registro( x ) )2) ( 1 + s sin( 2 k πIniciar sesión( x ) )
para - 1 ≤ s ≤ 1 , y k ∈ Z .x > 0 , - 1 ≤ s ≤ 1 ,k ∈ Z .
La figura muestra valores de a la izquierda y valores de k en la parte superior. La columna de la izquierda muestra el PDF para la distribución lognormal estándar.sk
El ejercicio 6.21 de la Teoría avanzada de estadística de Kendall (Stuart y Ord, quinta edición) le pide al lector que demuestre que todos tienen los mismos momentos.
Uno puede modificar de manera similar cualquier pdf para crear otro pdf de forma radicalmente diferente pero con los mismos momentos centrales segundo y cuarto (digamos), que por lo tanto tendrían la misma curtosis. Solo a partir de este ejemplo, debería quedar muy claro que la curtosis no es una medida de simetría, unimodalidad, bimodalidad, convexidad o cualquier otra caracterización geométrica familiar de una curva fácilmente interpretable o intuitiva.
Por lo tanto, las funciones de los momentos (y la curtosis como un caso especial) no describen las propiedades geométricas de la gráfica del pdf. Esto tiene sentido intuitivamente: debido a que un pdf representa la probabilidad por medio del área, podemos cambiar casi libremente la densidad de probabilidad de una ubicación a otra, cambiando radicalmente la apariencia del pdf, al mismo tiempo que arreglamos cualquier número finito de momentos especificados previamente.