Անհավասարության և կուրտոզի հասկացումը

Թեքության և կուրտոզի ըմբռնումը

Վիճակագրությունը գիտության կարևոր ճյուղ է տարբեր հետազոտական ​​ոլորտներում՝ հասարակական գիտություններից մինչև բնական գիտություններ: Տվյալների վերլուծության մեջ տվյալների բաշխման հասկացումը կարևոր է ճշգրիտ և հուսալի եզրակացություններ անելու համար: Բաշխումները նկարագրելիս հաճախ օգտագործվող երկու հիմնական հասկացություններն են՝ թեքությունը և կուրտոզը: Այս հոդվածում մանրամասն կքննարկվեն թեքության և կուրտոզի սահմանումները, մեկնաբանությունները և կարևորությունը տվյալների վերլուծության մեջ:

Թեքություն

Թեքության սահմանումը
Թեքությունը պատահական փոփոխականի հավանականության բաշխման ասիմետրիայի չափանիշ է: Ավելի պարզ ասած՝ թեքությունը նկարագրում է, թե որքանով է տվյալների բաշխումը շեղվում կատարյալ սիմետրիկ ձևից, որը հայտնի է որպես նորմալ բաշխում կամ գաուսյան բաշխում:

Թեքության տեսակները
1. Դրական թեքություն. Տվյալների բաշխում, որը ձգված է դեպի աջ: Դրական թեքության արժեքը ցույց է տալիս, որ տվյալների մեծ մասը կլաստերացված է ձախ կողմում՝ ավելի երկար աջ պոչով: Օրինակ, բնակչության անհատական ​​եկամուտները հաճախ ցուցաբերում են դրական թեքություն:

2. Բացասական թեքություն. Տվյալների բաշխում, որը թեքված է դեպի ձախ: Այս դեպքում բացասական թեքության արժեքը ցույց է տալիս, որ տվյալների մեծ մասը գտնվում է աջ կողմում՝ ավելի երկար ձախ պոչով: Տարածված օրինակ են քննությունների միավորները, երբ ուսանողների մեծամասնությունը բարձր միավորներ է ստանում:

3. Սիմետրիկ բաշխում. Եթե թեքության արժեքը մոտ է զրոյի, տվյալների բաշխումը կարող է համարվել մոտ սիմետրիկ, օրինակ՝ նորմալ բաշխում։

Ինչպես հաշվարկել թեքությունը
Թեքությունը կարող է հաշվարկվել հետևյալ բանաձևով.

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

Որտեղ՝
– \(n \) = տվյալների քանակը,
– \( x_i \) = անհատական ​​արժեք,
– \( \bar{x} \) = տվյալների միջինը,
– \(s \) = ստանդարտ շեղում։

Թեքության մեկնաբանություն
Թեքության արժեքների մեկնաբանությունը կարող է օգնել տվյալների բաշխման բնութագրերը հասկանալուն։ Որպես ընդհանուր ուղեցույց՝
– 0-ին մոտեցող թեքությունը ցույց է տալիս սիմետրիկ բաշխում։
– Դրական թեքությունը ցույց է տալիս բաշխում, որը թեքված է դեպի աջ։
– Բացասական թեքությունը ցույց է տալիս բաշխում, որը թեքված է դեպի ձախ։

Տվյալների վերլուծության մեջ թեքության կարևորությունը
Թեքությունը կարևոր գործիք է տվյալների վերլուծության մեջ, քանի որ այն տեղեկատվություն է տրամադրում տվյալների բաշխման մասին, որը հնարավոր չէ գտնել պարզապես միջին կամ ստանդարտ շեղումը նայելով: Թեքության ճիշտ ըմբռնումը կարող է օգնել որոշել, թե որ տվյալների փոխակերպումներն են անհրաժեշտ հետագա վերլուծության համար, օրինակ՝ լոգարիթմների օգտագործումը բարձր դրական թեքություն ունեցող տվյալների վրա:

Կուրտոզ (սրվածություն)

Կուրտոզի սահմանումը
Կուրտոզը տվյալների բաշխման գագաթների բարձրության և սրության չափանիշ է: Սա նշանակում է, որ կուրտոզը վերաբերում է նրան, թե տվյալների որքան մասն է գտնվում պոչերում՝ համեմատած միջինին մոտ գտնվող տվյալների հետ: Կուրտոզը օգնում է պարզել, թե արդյոք տվյալները ունեն հաստ, թե թեթև պոչեր՝ համեմատած նորմալ բաշխման հետ:

Կուրտոզի տեսակները
1. Լեպտոկուրտիկ. Բաշխում, որն ունի ավելի բարձր գագաթնակետ և ավելի ծանր պոչեր, քան նորմալ բաշխումը: Կուրտոզի արժեքը մեծ է 3-ից: Լեպտոկուրտիկ բաշխմամբ տվյալները հաճախ ունեն ավելի նշանակալի արտառոց արժեքներ:

2. Մեզոկուրտիկ. Բաշխում, որն ունի նույն գագաթնակետային բնութագրերը, ինչ նորմալ բաշխումը: Կուրտոզի արժեքը 3 է: Նորմալ բաշխումն ինքնին մեզոկուրտիկի դասական օրինակ է:

3. Պլատիկուրտիկ բաշխում. Բաշխում, որն ունի ավելի ցածր գագաթնակետ և ավելի թեթև պոչեր՝ համեմատած նորմալ բաշխման հետ: Կուրտոզի արժեքը 3-ից փոքր է: Պլատիկուրտիկ բաշխումը ցույց է տալիս, որ տվյալներն ավելի հավասարաչափ են բաշխված արժեքների միջակայքում:

Ինչպես հաշվարկել կուրտոզը
Կուրտոզը կարող է հաշվարկվել հետևյալ բանաձևով.

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

Որտեղ՝
– \(n \) = տվյալների քանակը,
– \( x_i \) = անհատական ​​արժեք,
– \( \bar{x} \) = տվյալների միջինը,
– \(s \) = ստանդարտ շեղում։

Սովորաբար, կուրտոզը հաճախ անվանում են «ավելորդ կուրտոզ»։ Պարզության համար բանաձևը հաճախ կրճատվում է 3-ով՝ ապահովելու համար, որ նորմալ բաշխումը ունենա 0 կուրտոզ։

Կուրտոզի մեկնաբանությունը
Կուրտոզի արժեքը պատկերացում է տալիս տվյալների բաշխման բնույթի մասին.
– Բարձր կուրտոզը ցույց է տալիս սուր գագաթներ և ծանր պոչեր։
– Ցածր կուրտոզը ցույց է տալիս հարթ բաշխում և թեթև պոչեր։

Կուրտոզի կարևորությունը տվյալների վերլուծության մեջ
Կուրտոզի ըմբռնումը օգնում է բացահայտել արտառոց ցուցանիշները և կազմակերպել տվյալները հետագա վերլուծության համար: Օրինակ՝ բարձր կուրտոզով տվյալները կարող են պահանջել ստատիկորեն կայուն տեխնիկաներ՝ չափազանց արտառոց ցուցանիշները կառավարելու համար:

Գործնական Ծրագրեր
1. Ֆինանսական. Ֆինանսական շուկաներում ներդրողները օգտագործում են թեքություն և կուրտոզ՝ ակտիվների ռիսկը և արդյունավետությունը չափելու համար: Բարձր բացասական թեքություն ունեցող պորտֆելը կարող է վկայել հնարավոր ծայրահեղ կորուստների ռիսկի մասին:

2. Հանրային առողջապահություն. Համաճարակաբանական ուսումնասիրություններում տվյալների բաշխումը հաճախ աննորմալ է: Թեքությունը և կուրտոզը օգնում են վերափոխել տվյալները, որպեսզի դրանք կարողանան օգտագործվել ռեգրեսիոն մոդելներում կամ այլ վերլուծություններում:

3. Որակի վերահսկողություն. Արտադրական արդյունաբերությունները հաճախ օգտագործում են թեքություն և կուրտոզ՝ արտադրանքի որակը վերահսկելու համար: Արտադրական տվյալների բարձր թեքությունը կարող է վկայել արտադրական գործընթացում առկա խնդիրների մասին:

Եզրակացություն
Թեքությունը և կուրտոզը տվյալների բաշխումների վերլուծության մեջ երկու կարևոր նկարագրական վիճակագրություն են: Թեքությունը հնարավորություն է տալիս պատկերացում կազմել բաշխման ասիմետրիայի մասին, մինչդեռ կուրտոզը ընդգծում է բաշխման պոչերի սրությունն ու ծանրությունը: Այս երկու հասկացությունների ըմբռնումը հետազոտողներին և տվյալների վերլուծաբաններին լրացուցիչ գործիքներ է տրամադրում՝ տվյալներն ավելի ճշգրիտ մեկնաբանելու և տարբեր կիրառական համատեքստերում ավելի լավ որոշումներ կայացնելու համար: