درک چولگی و کشیدگی

درک چولگی و کشیدگی

آمار شاخه‌ای اساسی از علم در زمینه‌های مختلف تحقیقاتی، از علوم اجتماعی گرفته تا علوم طبیعی، است. در تحلیل داده‌ها، درک توزیع داده‌ها برای دستیابی به نتایج دقیق و قابل اعتماد بسیار مهم است. دو مفهوم کلیدی که اغلب در توصیف توزیع‌ها استفاده می‌شوند، چولگی و کشیدگی هستند. این مقاله به تفصیل تعاریف، تفاسیر و اهمیت چولگی و کشیدگی را در تحلیل داده‌ها مورد بحث قرار خواهد داد.

کج‌شکلی

تعریف چولگی
چولگی معیاری از عدم تقارن است توزیع احتمال یک متغیر تصادفی. به عبارت ساده‌تر، چولگی توصیف می‌کند که توزیع داده‌ها چقدر از یک شکل کاملاً متقارن، که به عنوان توزیع نرمال یا توزیع گاوسی شناخته می‌شود، فاصله دارد.

انواع کج‌شکلی
۱. چولگی مثبت: توزیع داده‌هایی که به سمت راست کشیده شده‌اند. مقدار چولگی مثبت نشان می‌دهد که داده‌ها عمدتاً در سمت چپ خوشه‌بندی شده‌اند و دنباله سمت راست آنها بلندتر است. به عنوان مثال، درآمد افراد در یک جمعیت اغلب چولگی مثبت نشان می‌دهد.

۲. چولگی منفی: توزیع داده‌هایی که به سمت چپ چولگی دارند. در این حالت، مقدار چولگی منفی نشان می‌دهد که اکثر داده‌ها در سمت راست قرار دارند و دنباله سمت چپ آنها بلندتر است. یک مثال رایج، نمرات امتحانات است که در آن اکثر دانش‌آموزان نمره بالایی می‌گیرند.

۳. توزیع متقارن: اگر مقدار چولگی نزدیک به صفر باشد، توزیع داده‌ها را می‌توان نزدیک به متقارن، مانند توزیع نرمال، در نظر گرفت.

نحوه محاسبه چولگی
چولگی را می‌توان با استفاده از فرمول زیر محاسبه کرد:

\[ \text{چولگی} = \frac{n}{(n-1)(n-2)} \sum \left(\frac{x_i – \bar{x}}{s}\right)^3 \]

کجا:
- \( n \) = تعداد داده‌ها،
– \( x_i \) = مقدار منفرد،
– \( \bar{x} \) = میانگین داده‌ها،
– (ها) = انحراف معیار.

تفسیر چولگی
تفسیر مقادیر چولگی می‌تواند به درک ویژگی‌های توزیع داده‌ها کمک کند. به عنوان یک راهنمای کلی:
چولگی نزدیک به صفر نشان دهنده توزیع متقارن است.
چولگی مثبت نشان دهنده توزیعی است که به سمت راست چولگی دارد.
چولگی منفی نشان دهنده توزیعی است که به سمت چپ چولگی دارد.

اهمیت چولگی در تحلیل داده‌ها
چولگی ابزاری مهم در ... است تحلیل داده‌ها زیرا اطلاعاتی در مورد توزیع داده‌ها ارائه می‌دهد که با نگاه ساده به میانگین یا انحراف معیار نمی‌توان به آنها دست یافت. درک صحیح از چولگی می‌تواند در تصمیم‌گیری در مورد اینکه چه تبدیل‌هایی برای تجزیه و تحلیل بیشتر داده‌ها باید انجام شود، مانند استفاده از لگاریتم در داده‌هایی با چولگی مثبت بالا، کمک کند.

کشیدگی (تیز بودن)

تعریف کورتوز
کشیدگی معیاری برای سنجش ارتفاع و تیزی قله‌های توزیع داده‌ها است. این بدان معناست که کشیدگی به این مربوط می‌شود که چه مقدار از داده‌ها در مقایسه با داده‌های نزدیک به میانگین، در دنباله‌ها قرار دارند. کشیدگی به شناسایی اینکه آیا داده‌ها در مقایسه با توزیع نرمال، دنباله‌های پهن یا کم‌رنگ دارند، کمک می‌کند.

انواع کورتوز
۱. کشیدگی لپتوکتیک: توزیعی با قله بلندتر و دنباله‌های ضخیم‌تر از توزیع نرمال. مقدار کشیدگی بیشتر از ۳ است. داده‌هایی با توزیع کشیدگی لپتوکتیک اغلب داده‌های پرت معنادار بیشتری دارند.

۲. مزوکورت: توزیعی که همان ویژگی‌های اوج‌گیری توزیع نرمال را دارد. مقدار کشیدگی ۳ است. خود توزیع نرمال یک نمونه کلاسیک از مزوکورت است.

۳. توزیع پهن‌کشیدگی (Platykurtic): توزیعی با قله پایین‌تر و دنباله‌های روشن‌تر در مقایسه با توزیع نرمال. مقدار کشیدگی کمتر از ۳ است. توزیع پهن‌کشیدگی نشان می‌دهد که داده‌ها در محدوده مقادیر به طور یکنواخت‌تری توزیع شده‌اند.

نحوه محاسبه کشیدگی
کرتوسیس را می‌توان با استفاده از فرمول زیر محاسبه کرد:

\[ \text{کشیدگی} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum \left( \frac{x_i – \bar{x}}{s} \right)^4 – \frac{3(n-1)^2}{(n-2)(n-3)} \]

کجا:
- \( n \) = تعداد داده‌ها،
– \( x_i \) = مقدار منفرد،
– \( \bar{x} \) = میانگین داده‌ها،
– \(s \) = انحراف معیار.

معمولاً، به کشیدگی، «کشیدگی اضافی» گفته می‌شود. برای سادگی، فرمول اغلب ۳ واحد کاهش می‌یابد تا توزیع نرمال دارای کشیدگی ۰ باشد.

تفسیر کورتوز
مقدار کشیدگی، بینشی در مورد ماهیت توزیع داده‌ها ارائه می‌دهد:
– کشیدگی زیاد، قله‌های تیز و دنباله‌های ضخیم را نشان می‌دهد.
– کشیدگی پایین نشان‌دهنده توزیع مسطح و دنباله‌های سبک است.

اهمیت کورتوزیس در تحلیل داده‌ها
درک کشیدگی به شناسایی داده‌های پرت و سازماندهی داده‌ها برای تجزیه و تحلیل بیشتر کمک می‌کند. به عنوان مثال، داده‌هایی با کشیدگی بالا ممکن است به تکنیک‌های آماری قوی برای مدیریت داده‌های پرت بیش از حد نیاز داشته باشند.

برنامه های کاربردی عملی
۱. مالی: در بازارهای مالی، سرمایه‌گذاران از چولگی و کشیدگی برای اندازه‌گیری ریسک و عملکرد دارایی استفاده می‌کنند. یک پرتفوی با چولگی منفی بالا ممکن است نشان‌دهنده خطر زیان‌های شدید بالقوه باشد.

۲. سلامت عمومی: در مطالعات اپیدمیولوژیک، توزیع داده‌ها اغلب غیر نرمال است. چولگی و کشیدگی به تبدیل داده‌ها کمک می‌کنند تا بتوان از آنها در مدل‌های رگرسیون یا سایر تحلیل‌ها استفاده کرد.

۳. کنترل کیفیت: صنایع تولیدی اغلب از چولگی و کشیدگی برای کنترل کیفیت محصول استفاده می‌کنند. چولگی بالا در داده‌های تولید ممکن است نشان‌دهنده مشکلاتی در فرآیند تولید باشد.

نتیجه گیری
چولگی و کشیدگی دو مورد از این موارد هستند آمار توصیفی در تحلیل توزیع داده‌ها اهمیت داردچولگی، بینشی در مورد عدم تقارن یک توزیع ارائه می‌دهد، در حالی که کشیدگی، تیزی و سنگینی دنباله‌های توزیع را برجسته می‌کند. درک این دو مفهوم، ابزارهای بیشتری را در اختیار محققان و تحلیلگران داده قرار می‌دهد تا داده‌ها را دقیق‌تر تفسیر کنند و در زمینه‌های کاربردی مختلف، تصمیمات بهتری بگیرند.