Una forma de interpretar esta relación es cuán “pico” es la distribución, es decir, cuán extremos son los valores atípicos. Pero es un estimador sesgado: la razón para el vector {1, 50, 50, 50} es mucho, mucho más baja que la razón para los datos {50, 50, 50, 99}.
Además, tenga en cuenta que para los datos que probablemente serían unimodales, la curtosis distribuida de forma normal (por ejemplo, las alturas de las personas) es una medida perfectamente buena y comprensible de cuán pesadas o livianas son las colas.
Podría ser más útil para los datos que probablemente seguirían una distribución similar a Powerlaw (por ejemplo, los recuentos de vistas de Quora), ya que no es realmente posible hablar de manera significativa sobre la desviación estándar (y, por lo tanto, curtosis) de esas distribuciones. Pero hay otras medidas de extremidad que podrían ser más simples de comprender para los consumidores de datos generales, por ejemplo, la relación máxima / media, o una descripción de qué porcentaje de masa proviene del primer 20% de los contenedores.
Entonces, para responder a su pregunta: ¿qué pasaría? A menos que sus colegas y su jefe sean todos físicos, tendrían problemas para entender cómo usar esta nueva métrica, y usted tendría problemas para que ellos (y otros consumidores de su análisis) entiendan lo que constituye un desempeño “bueno” o “malo” en esta estadística
- ¿Qué haríamos si nos damos cuenta de que en los próximos 100 años, algunas especies animales, digamos perros, evolucionarán y se volverán tan inteligentes como nosotros?
- ¿Qué harías si tuvieras 25 años y de repente te encontraras en el cuerpo de tu yo de cinco años?
- ¿Qué pasaría con el mundo si todos tuvieran la oportunidad de adquirir una educación Montessori?
- ¿Qué pasaría si Rahul Gandhi muere? ¿La gente celebrará o llorará?
- ¿Qué sucedería si moviera un archivo enorme de un directorio a otro y luego la computadora se apagara repentinamente en medio de la transferencia de archivos?