Forskelle mellem skevhed og kurtose
Share
skævhed, i grundlæggende termer, indebærer off-center, det samme gør i statistikker, det betyder mangel på symmetri. Ved hjælp af skævhed kan man identificere formen for fordelingen af data. kurtosis, på den anden side henviser til spidsen af en top i distributionskurven. Den væsentligste forskel mellem skævhed og kurtose er, at de førstnævnte taler om graden af symmetri, mens sidstnævnte taler om graden af spidsbelastning i frekvensfordelingen.
Data kan distribueres på mange måder, ligesom spredes mere til venstre eller til højre eller jævnt spredt. Når dataene er spredt ens på det centrale punkt, kaldes de som normal distribution. Det er perfekt symmetrisk, klokkeformet kurve, dvs. begge sider er lige, og derfor er den ikke skæv. Her ligger alle de tre middelværdier, median og tilstand på et tidspunkt.
Skewness and Kurtosis er de to vigtige egenskaber ved distribution, der studeres i beskrivende statistik. For yderligere at forstå forståelsen af disse to begreber, lad os se på artiklen, der er givet nedenfor.
Indhold: Skewness Vs Kurtosis
- Sammenligningstabel
- Definition
- Vigtige forskelle
- Konklusion
Sammenligningstabel
| Grundlag for sammenligning | skævhed | kurtosis |
|---|---|---|
| Betyder | Skewness udelukker tendensen til en distribution, der bestemmer dens symmetri om middelværdien. | Kurtosis betyder målet for kurvens respektive skarphed i frekvensfordelingen. |
| Mål for | Grad af skævhed i distributionen. | Grad af halethed i distributionen. |
| Hvad er det? | Det er en indikator på manglende ækvivalens i frekvensfordelingen. | Det er måling af data, der enten er top eller flad i forhold til den normale fordeling. |
| Repræsenterer | Skævets størrelse og retning. | Hvor høj og skarp den centrale top er? |
Definition af skevhed
Udtrykket "skævhed" bruges til at betyde fraværet af symmetri fra gennemsnittet af datasættet. Det er karakteristisk for afvigelsen fra middelværdien at være større på den ene side end den anden, dvs. attribut for fordelingen med den ene hale tungere end den anden. Skewness bruges til at indikere formen for fordelingen af data.
I en skæv fordeling udvides kurven til enten venstre eller højre side. Så når plot er udvidet mod højre side, betegner det positiv skævhed, hvor tilstand < median < mean. On the other hand, when the plot is stretched more towards the left direction, then it is called as negative skewness and so, mean < median < mode.
Definition af Kurtosis
I statistikker er kurtose defineret som parameteren for relativ skarphed for toppen af sandsynlighedsfordelingskurven. Den konstaterer den måde, hvorpå observationer klynges rundt i midten af distributionen. Det bruges til at indikere fladhed eller højdepunkt i frekvensfordelingskurven og måle halerne eller udliggerne af fordelingen.
Positiv kurtose repræsenterer, at fordelingen er højere end den normale distribution, mens negativ kurtose viser, at fordelingen er mindre end den normale distribution. Der er tre typer distributioner:
- Leptokurtic: Skarpt toppede med fedt haler og mindre variabel.
- mesokurtisk: Medium toppede
- Platykurtic: Flattest peak og stærkt spredt.
Vigtigste forskelle mellem skevhed og kurtose
De punkter, der er præsenteret for dig, forklarer de grundlæggende forskelle mellem skævhed og kurtose:
- Karakteristikken af en frekvensfordeling, der konstaterer dens symmetri om middelværdien, kaldes skævhed. På den anden side betyder Kurtosis den relative spidshed i standard klokkekurven, defineret af frekvensfordelingen.
- Skewness er et mål for graden af skævhed i frekvensfordelingen. Omvendt er kurtose et mål på graden af halthed i frekvensfordelingen.
- Skewness er en indikator på manglende symmetri, dvs. både venstre og højre side af kurven er ulige med hensyn til det centrale punkt. I modsætning hertil er kurtose et mål for data, der enten er toppen eller flade, med hensyn til sandsynlighedsfordelingen.
- Skewness viser hvor meget og i hvilken retning afviger værdierne fra gennemsnittet? I modsætning hertil forklarer kurtose, hvor høj og skarp den centrale top er?
Konklusion
For en normal fordeling er værdien af skævhed og kurtosestatistik nul. Fordelingen af kernen er, at i skævhed er plot af sandsynlighedsfordelingen strakt til hver side. På den anden side identificerer kurtose vejen; værdier er grupperet omkring det centrale punkt på frekvensfordelingen.
