Разумевање искривљености у статистици и анализи података

Аскевнесс је мера количине за коју скуп података одступа од симетричне дистрибуције. Дефинише се као просечна удаљеност тачака података од центра дистрибуције.ӕӕДругим речима, асиметрија мери колико је дистрибуција „искривљена“ или „искривљена“. Дистрибуција са великом искосаношћу значи да су тачке података више распоређене на једној страни центра него на другој, док дистрибуција са малом косом значи да су тачке података равномерније распоређене око центра.ӕӕ Коса се израчунава помоћу следеће формуле :ӕӕАскевнесс = (збир свих одступања од средње вредности) / (стандардна девијација дистрибуције)ӕӕ где се збир свих одступања од средње вредности израчунава одузимањем средње вредности од сваке тачке података и затим сабирањем свих ових разлика и стандарда девијација дистрибуције је квадратни корен варијансе дистрибуције.ӕӕАскосност се може користити на разне начине у статистици и анализи података, као што су:ӕӕ1. Да бисте утврдили да ли је скуп података симетричан или не. Ако је искривљеност близу нуле, онда је скуп података отприлике симетричан. Ако је искривљеност велика, онда је скуп података веома искривљен.ӕ2. Да упоредимо облик различитих скупова података. Различити типови података често имају различите нивое искривљености. На пример, финансијски подаци могу бити више искривљени од научних података.ӕ3. Да бисте идентификовали ванредне вредности у скупу података. Тачке података које су далеко од центра дистрибуције вероватно ће имати велики утицај на меру аскоса.ӕ4. За проверу претпоставки статистичких тестова. Многи статистички тестови претпостављају да су подаци отприлике симетрични и нормално распоређени. Ако је искривљеност података велика, онда ове претпоставке можда неће бити валидне.