Erot vinoutumisen ja kurtoosin välillä
Share
skewness, lähtökohtaisesti tarkoittaa epäkeskistä, kuten myös tilastoinnissa, tarkoittaa symmetrian puutetta. Kaltevuuden avulla voidaan tunnistaa datan jakauman muoto. huipukkuus, toisaalta viittaa piikkien terävyyteen jakelukäyrässä. Tärkein ero vinoutumisen ja kurtoosin välillä on, että entinen puhuu symmetriaasteesta, kun taas jälkimmäinen puhuu huipun asteesta taajuuden jakaumassa.
Tietoja voidaan jakaa monella tavalla, kuten levittää enemmän vasemmalle tai oikealle tai levittää tasaisesti. Kun tiedot ovat hajallaan tasaisesti keskipisteessä, sitä kutsuttiin normaalijakaumaksi. Se on täysin symmetrinen, kellon muotoinen käyrä, ts. Molemmat sivut ovat yhtä suuret, joten se ei ole vinossa. Tässä kaikki kolme keskiarvoa, mediaania ja moodia sijaitsevat yhdessä pisteessä.
Kaltevuus ja kurtosis ovat kaksi tärkeätä jakauman ominaisuutta, joita tutkitaan kuvaavissa tilastoissa. Tarkemmin ymmärtääksemme näiden kahden käsitteen ymmärtämistä katsotaanpa alla olevaa artikkelia.
Sisältö: Kaltevuus vs. Kurtosis
- Vertailutaulukko
- Määritelmä
- Keskeiset erot
- johtopäätös
Vertailutaulukko
| Vertailun perusteet | skewness | huipukkuus |
|---|---|---|
| merkitys | Kaltevuus viittaa jakauman taipumukseen, joka määrää sen symmetrian keskiarvon suhteen. | Kurtoosilla tarkoitetaan käyrän terävyyden mittaa taajuuden jakautumisessa. |
| Mittaa | Hajautuksen aste jakelussa. | Jakauman tailed-aste. |
| Mikä se on? | Se on indikaattori taajuuden jakautumisen vastaavuuden puuttumisesta. | Se on datan mitta, joka on joko huipussaan tai tasainen suhteessa normaalijakaumaan. |
| edustaa | Kaltevuuden määrä ja suunta. | Kuinka korkea ja terävä keskushuippu on? |
Määritelmä Kaltevuus
Ilmauksella 'vinous' tarkoitetaan symmetrian puuttumista aineiston keskiarvosta. Keskiarvosta poikkeavalle on ominaista olla toisella puolella suurempi, ts. Jakauman ominaisuus, jolla yksi häntä on toista raskaampi. Kaltevuutta käytetään osoittamaan datan jakauman muoto.
Vinoissa jakaumissa käyrä jatkuu joko vasemmalle tai oikealle. Joten, kun juoni ulottuu enemmän oikealle puolelle, se tarkoittaa positiivista vinoutusta, jossa moodi < 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.
Määritelmä Kurtosis
Tilastoissa kurtoosi määritellään todennäköisyysjakaumakäyrän piikin suhteellisen terävyyden parametriksi. Se selvittää tapaa, jolla havainnot on ryhmitelty jakauman keskikohtaan. Sitä käytetään osoittamaan taajuusjakaumakäyrän tasaisuus tai huippunopeus ja mittaamaan jakauman loppupäät tai ulkopuolet.
Positiivinen kurtoosi edustaa sitä, että jakauma on korkeimmillaan kuin normaali jakauma, kun taas negatiivinen kurtoosi osoittaa, että jakauma on vähemmän huipussa kuin normaali jakauma. Jakelua on kolme tyyppiä:
- leptokurtisen: Voimakkaasti rasvat pyrstöt ja vähemmän muuttuvat.
- Mesokurtic: Keskitasoinen
- Platykurtic: Littein huippu ja erittäin hajaantunut.
Tärkeimmät erot vinoutumisen ja kurtoosin välillä
Teille esitetyt kohdat selittävät perusedellytykset vinouden ja kurtoosin välillä:
- Taajuuden jakauman ominaisuutta, joka varmistaa sen symmetrian keskiarvon suhteen, kutsutaan vinoutukseksi. Toisaalta Kurtosis tarkoittaa vakiokellon käyrän suhteellista terävyyttä, joka on määritelty taajuuden jakautumalla.
- Kaltevuus on mitta taajuuden jakautumisen kaltevuusasteelle. Kurtosis on puolestaan mitata taajuuden jakautumisen tailed-astetta.
- Kaltevuus osoittaa symmetrian puuttumisesta, ts. Käyrän sekä vasen että oikea puoli ovat epätasa-arvoisia keskipisteeseen nähden. Sitä vastoin kurtoosi on datan mitta, joka on joko huipussa tai tasainen suhteessa todennäköisyysjakaumaan.
- Kaltevuus osoittaa, kuinka paljon ja mihin suuntaan arvot poikkeavat keskiarvosta? Sen sijaan kurtosis selittää kuinka korkea ja terävä keskushuippu on?
johtopäätös
Normaalijakaumalle vinous- ja kurtoositilastojen arvo on nolla. Jakauman ydin on, että vinossa todennäköisyysjakauman kuvaaja on venytetty molemmille puolille. Toisaalta kurtosis tunnistaa tien; arvot on ryhmitelty taajuuden jakautumisen keskipisteen ympärille.
