Forskjeller mellom Skewness og Kurtosis
Share
skjevhet, i grunnleggende termer innebærer off-center, det betyr også i statistikk at det betyr mangel på symmetri. Ved hjelp av skjevhet kan man identifisere formen av datafordelingen. kurtose, derimot refererer til spissen av en topp i fordelingskurven. Hovedforskjellen mellom skewness og kurtosis er at de tidligere snakker om symmetriens grad, mens sistnevnte snakker om graden av toppunkt, i frekvensfordelingen.
Data kan distribueres på mange måter, som spredt ut mer til venstre eller til høyre eller jevnt fordelt. Når dataene er spredt jevnt på sentralt punkt, kalles det som Normal Distribution. Det er perfekt symmetrisk, klokkeformet kurve, dvs. begge sidene er like, og så er det ikke skjevt. Her alle tre mener, median og modus ligger på ett punkt.
Skewness og Kurtosis er de to viktige egenskapene ved distribusjon som studeres i beskrivende statistikk. For å forstå forståelsen av disse to konseptene, la oss ta en titt på artikkelen som er gitt nedenfor.
Innhold: Skewness Vs Kurtosis
Sammenligningstabel
| Grunnlag for sammenligning | skjevhet | kurtose |
|---|---|---|
| Betydning | Skewness viser tendensen til en fordeling som bestemmer sin symmetri om det gjennomsnittlige. | Kurtosis betyr måling av den respektive skarpheten av kurven, i frekvensfordelingen. |
| Mål for | Grad av lopsidedness i fordelingen. | Grad av tailedness i distribusjonen. |
| Hva er det? | Det er en indikator på mangel på ekvivalens i frekvensfordelingen. | Det er måleen på data, som enten er toppet eller flatt i forhold til normalfordelingen. |
| representerer | Beløpets størrelse og retning. | Hvor høy og skarp den sentrale toppen er? |
Definisjon av Skewness
Begrepet "skewness" er brukt til å bety fravær av symmetri fra gjennomsnittet av datasettet. Det er karakteristisk for avviket fra gjennomsnittet, å være større på den ene siden enn den andre, dvs. attributtet av fordelingen har en hale tyngre enn den andre. Skewness brukes til å indikere formen på fordelingen av data.
I en skjev fordeling utvides kurven til enten venstre eller høyre side. Så, når plottet er utvidet mot høyre side mer, betegner det positiv skjevhet, hvor modusen < 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.
Definisjon av Kurtosis
I statistikk defineres kurtosis som parameteren for relativ skarphet av toppen av sannsynlighetsfordelingskurven. Det fastslår måten observasjoner er gruppert rundt sentrum av distribusjonen. Det brukes til å indikere flatheten eller toppunktet til frekvensfordelingskurven og måler fordelene eller fordelene av fordelingen.
Positiv kurtose representerer at fordelingen er mer toppet enn normalfordeling, mens negativ kurtose viser at fordelingen er mindre toppet enn normalfordelingen. Det er tre typer distribusjoner:
- Leptokurtic: Skarpt toppet med fete haler, og mindre variabel.
- Mesokurtic: Middels toppet
- Platykurtic: Flattest topp og svært spredt.
Viktige forskjeller mellom Skewness og Kurtosis
Poengene som presenteres for deg, forklarer de grunnleggende forskjellene mellom skjevhet og kurtose:
- Kjennetegnet ved en frekvensfordeling som fastslår sin symmetri om det gjennomsnittlige kalles skråhet. På den annen side betyr Kurtosis den relative spissen av standardbellkurven, definert av frekvensfordelingen.
- Skewness er et mål for graden av lopsidedness i frekvensfordelingen. Omvendt er kurtosis et mål for grad av tailedness i frekvensfordelingen.
- Skewness er en indikator på mangel på symmetri, dvs. både venstre og høyre side av kurven er ulige, med hensyn til sentralpunktet. I motsetning til dette er kurtosis et mål for data, som enten er toppet eller flatt, med hensyn til sannsynlighetsfordelingen.
- Skewness viser hvor mye og i hvilken retning verdier verdiene fra gjennomsnittet? I motsetning, forklarer kurtosis hvor høy og skarp den sentrale toppen er?
Konklusjon
For en normal fordeling er verdien av skjevhet og kurtosis-statistikk null. Kjernen i fordelingen er at i skråhet er plottet av sannsynlighetsfordelingen strekt til hver side. På den annen side identifiserer kurtosis veien; verdiene er gruppert rundt sentralpunktet på frekvensfordelingen.
