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:

Různě šikmá rozdělení podle velikosti koeficientu šikmosti.

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 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, 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 (syntaktická chyba): {\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.