Perbedaan antara kemiringan dan kurtosis
- 4322
- 880
- Rodney Hegmann
Kecondongan, Dalam istilah dasar, menyiratkan di luar pusat, begitu juga dalam statistik, itu berarti kurangnya simetri. Dengan bantuan kemiringan, seseorang dapat mengidentifikasi bentuk distribusi data. Kurtosis, Di sisi lain, mengacu pada titik puncak dalam kurva distribusi. Perbedaan utama antara kemiringan dan kurtosis adalah bahwa pembicaraan sebelumnya tentang tingkat simetri, sedangkan pembicaraan terakhir tentang tingkat puncak, dalam distribusi frekuensi.
Data dapat didistribusikan dalam banyak hal, seperti tersebar lebih banyak di kiri atau di sebelah kanan atau tersebar. Saat data tersebar secara seragam di titik pusat, itu disebut sebagai distribusi normal. Kurva berbentuk lonceng yang sangat simetris, saya.e. kedua belah pihak sama, dan karenanya tidak miring. Di sini ketiganya berarti, median dan mode terletak pada satu titik.
Skewness dan Kurtosis adalah dua karakteristik penting dari distribusi yang dipelajari dalam statistik deskriptif. Untuk lebih memahami pemahaman dua konsep ini, mari kita lihat artikel yang diberikan di bawah ini.
Konten: Skewness vs Kurtosis
- Grafik perbandingan
- Definisi
- Perbedaan utama
- Kesimpulan
Grafik perbandingan
| Dasar untuk perbandingan | Kecondongan | Kurtosis |
|---|---|---|
| Arti | Kemiringan menyinggung kecenderungan distribusi yang menentukan simetri tentang rata -rata. | Kurtosis berarti ukuran ketajaman masing -masing kurva, dalam distribusi frekuensi. |
| Mengukur | Tingkat lopsideness dalam distribusi. | Tingkat tailedness dalam distribusi. |
| Apa itu? | Ini adalah indikator kurangnya kesetaraan dalam distribusi frekuensi. | Ini adalah ukuran data, yang memuncak atau datar dalam kaitannya dengan distribusi normal. |
| Mewakili | Jumlah dan arah condong. | Seberapa tinggi dan tajam puncak pusat? |
Definisi kemiringan
Istilah 'kemiringan' digunakan untuk berarti tidak adanya simetri dari rata -rata dataset. Itu adalah karakteristik penyimpangan dari rata -rata, menjadi lebih besar di satu sisi dari yang lain, saya.e. atribut distribusi yang memiliki satu ekor lebih berat dari yang lain. Skewness digunakan untuk menunjukkan bentuk distribusi data.
Dalam distribusi yang miring, kurva diperpanjang ke sisi kiri atau kanan. Jadi, ketika plot diperluas ke sisi kanan lebih banyak, ia menunjukkan kemiringan positif, di mana mode < 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.
Definisi kurtosis
Dalam statistik, kurtosis didefinisikan sebagai parameter ketajaman relatif dari puncak kurva distribusi probabilitas. Ini memastikan cara pengamatan dikelompokkan di sekitar pusat distribusi. Ini digunakan untuk menunjukkan kerataan atau puncak dari kurva distribusi frekuensi dan mengukur ekor atau outlier distribusi.
Kurtosis positif menyatakan bahwa distribusi lebih memuncak daripada distribusi normal, sedangkan kurtosis negatif menunjukkan bahwa distribusi lebih sedikit memuncak daripada distribusi normal. Ada tiga jenis distribusi:
- Leptokurtic: Puncak tajam dengan ekor lemak, dan lebih sedikit variabel.
- Mesokurtic: Medium memuncak
- Platykurtic: Puncak paling datar dan sangat tersebar.
Perbedaan utama antara kemiringan dan kurtosis
Poin -poin yang disajikan kepada Anda menjelaskan perbedaan mendasar antara kemiringan dan kurtosis:
- Karakteristik distribusi frekuensi yang memastikan simetri tentang rata -rata disebut kemiringan. Di sisi lain, kurtosis berarti titik relatif dari kurva lonceng standar, ditentukan oleh distribusi frekuensi.
- Kemiringan adalah ukuran derajat lopsidedness dalam distribusi frekuensi. Sebaliknya, kurtosis adalah ukuran tingkat tailedness dalam distribusi frekuensi.
- Skewness adalah indikator kurangnya simetri, saya.e. Sisi kiri dan kanan kurva tidak setara, sehubungan dengan titik pusat. Berlawanan dengan ini, kurtosis adalah ukuran data, yang memuncak atau datar, sehubungan dengan distribusi probabilitas.
- Kecenderungan menunjukkan seberapa banyak dan ke arah mana, nilai -nilai menyimpang dari rata -rata? Sebaliknya, kurtosis menjelaskan seberapa tinggi dan tajam puncak pusat?
Kesimpulan
Untuk distribusi normal, nilai kemiringan dan statistik kurtosis adalah nol. Inti dari distribusi adalah bahwa dalam kemiringan plot distribusi probabilitas direntangkan ke kedua sisi. Di sisi lain, kurtosis mengidentifikasi jalan; Nilai dikelompokkan di sekitar titik pusat pada distribusi frekuensi.