Šikmost a špičatost

Mezi další známé popisné charakteristiky můžeme zařadit tzv. míry tvaru, tj. šikmosti a špičatosti. Tyto charakteristiky nám pomáhají určovat, jak moc se rozdělení dat, které jsme získali, podobá nebo se naopak odlišuje od normálního rozdělení, tj. Gaussova. K jejich zjišťování se užívá tzv. centrálních momentů třetího a čtvrtého stupně, přičemž centrální moment k-tého stupně m_k lze obecně definovat následovně:

Nelze pochopit (syntaktická chyba): {\displaystyle m_k=\frac{\sum(x_i-x ̅)^k} {n}}

Šikmost je charakteristikou, jež nám určuje, kterým směrem je naše proměnná asymetricky rozložena. Rozlišujeme šikmost kladnou, též pravostrannou, kdy se většina získaných hodnot nachází pod průměrem a šikmost zápornou (levostrannou), kdy se většina hodnot naopak nachází nad průměrem. Míru této asymetričnosti rozložení pak určuje koeficient šikmosti,

Různě šikmá rozdělení podle velikosti koeficientu šikmosti.

který dostaneme za pomocí momentu stupně druhého a třetího následovně:

Nelze pochopit (syntaktická chyba): {\displaystyle γ_1=\frac{m_3} {m_2^\frac{3} {2}}}

Nulová hodnota tohoto koeficientu svědčí o rozložení symetrickém, kladná hodnota o pravostranné asymetričnosti a záporná o levostranné.

Různě špičatá rozdělení podle velikosti koeficientu špičatosti.

Špičatost udává, jak se v rozložení četností vyskytují velmi vysoké a velmi nízké hodnoty. I tuto míru lze udat pomocí koeficientu, k jehož výpočtu se opět využívají centrální momenty a na základě jehož výsledku lze usuzovat na více špičaté než normální rozdělení (tzv. leptokurtické) či méně špičaté než normální rozdělení (tzv. platykurtické):

Různě špičatá rozdělení podle velikosti koeficientu špičatosti.

Nelze pochopit (MathML, alternativně SVG nebo PNG (doporučeno pro moderní prohlížeče a kompenzační pomůcky): Neplatná odpověď („Math extension cannot connect to Restbase.“) od serveru „https://en.wikipedia.org/api/rest_v1/“:): {\displaystyle γ_2=\frac{m_4} {m_2^2}-3}

Podobně jako u koeficientu šikmosti, i zde γ₂ = 0 značí rozdělení normální a odchylky značí, že rozdělení je špičatější (kladný koeficient) nebo plošší (záporný koeficient).

Zdroje

Hendl, J. (2009). Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál.