Penyebaran vs Skewness
Dalam statistik dan teori kebarangkalian, selalunya variasi pengagihan harus dinyatakan secara kuantitatif untuk tujuan perbandingan. Penyebaran dan Skewness adalah dua konsep statistik di mana bentuk taburan disajikan dalam skala kuantitatif.
Lebih banyak mengenai Penyebaran
Dalam statistik, penyebaran adalah variasi pemboleh ubah rawak atau taburan kebarangkaliannya. Ini adalah ukuran sejauh mana titik data terletak dari nilai pusat. Untuk menyatakan ini secara kuantitatif, ukuran penyebaran digunakan dalam statistik deskriptif.
Varians, Sisihan Piawai, dan jarak antara kuartil adalah ukuran penyebaran yang paling biasa digunakan.
Sekiranya nilai data mempunyai unit tertentu, kerana skala, ukuran penyebaran juga mungkin memiliki unit yang sama. Julat interdile, Julat, perbezaan min, sisihan mutlak median, sisihan mutlak purata, dan sisihan piawai jarak adalah ukuran penyebaran dengan unit.
Sebaliknya, ada ukuran penyebaran yang tidak memiliki unit, yaitu tanpa dimensi. Varians, Koefisien variasi, pekali penyebaran kuartil, dan Perbezaan min relatif adalah ukuran penyebaran tanpa unit.
Penyebaran dalam sistem dapat berasal dari kesalahan, seperti kesalahan instrumental dan pengamatan. Juga, variasi rawak dalam sampel itu sendiri boleh menyebabkan variasi. Penting untuk mempunyai idea kuantitatif mengenai variasi data sebelum membuat kesimpulan lain dari kumpulan data.
Lebih banyak mengenai Skewness
Dalam statistik, kecenderungan adalah ukuran asimetri taburan kebarangkalian. Skewness boleh menjadi positif atau negatif, atau dalam beberapa kes tidak ada. Ia juga boleh dianggap sebagai ukuran pengimbangan dari taburan normal.
Sekiranya kecondongan positif, maka sebahagian besar titik data berpusat di sebelah kiri lengkung dan ekor kanan lebih panjang. Sekiranya kecenderungan negatif, sebahagian besar titik data berpusat ke arah kanan lengkung dan ekor kiri agak panjang. Sekiranya kecenderungan adalah sifar, populasi biasanya diedarkan.
Dalam taburan normal, iaitu ketika lengkung simetri, nilai min, median, dan mod mempunyai nilai yang sama. Sekiranya kecenderungan tidak sifar, sifat ini tidak dapat ditahan, dan min, mod, dan median mungkin mempunyai nilai yang berbeza.
Koefisien kecenderungan Pearson pertama dan kedua biasanya digunakan untuk menentukan kecenderungan pembahagian.
Coffeicent skewness pertama Pearson = (min - mod) / (sisihan piawai)
Coffeicent skewness kedua Pearson = 3 (mod - min) / (sisihan satndard)
Dalam kes yang lebih sensitif, pekali momen piawai Fisher-Pearson yang disesuaikan digunakan.
G = {n / (n-1) (n-2)} ∑ n i = 1 ((y-ӯ) / s) 3
Apakah perbezaan antara Penyebaran dan Skewness?
Penyebaran membimbangkan mengenai jarak di mana titik data diedarkan, dan kecenderungan berkenaan dengan simetri pengedaran.
Kedua-dua ukuran penyebaran dan kemiringan adalah ukuran deskriptif dan pekali kecenderungan memberikan petunjuk kepada bentuk taburan.
Langkah-langkah penyebaran digunakan untuk memahami rentang titik data dan mengimbangi dari rata-rata sementara kemiringan digunakan untuk memahami kecenderungan untuk variasi titik data ke arah tertentu.
