Perbedaan Antara Skewness dan Kurtosis

Kecondongan, dalam hal dasar, menyiratkan off-center, begitu juga dalam statistik, itu berarti kurangnya simetri. Dengan bantuan skewness, seseorang dapat mengidentifikasi bentuk distribusi data. Kurtosis, di sisi lain, mengacu pada runcing dari puncak dalam kurva distribusi. Perbedaan utama antara skewness dan kurtosis adalah bahwa mantan berbicara tentang tingkat simetri, sedangkan yang terakhir berbicara tentang tingkat puncaknya, dalam distribusi frekuensi.

Data dapat didistribusikan dengan banyak cara, seperti menyebar lebih banyak di sebelah kiri atau di sebelah kanan atau merata. Ketika data tersebar secara seragam di titik pusat, itu disebut Distribusi Normal. Kurva ini sangat simetris, berbentuk lonceng, mis. Kedua sisinya sama, sehingga tidak miring. Di sini ketiga mean, median, dan mode terletak pada satu titik.

Skewness dan Kurtosis adalah dua karakteristik penting dari distribusi yang dipelajari dalam statistik deskriptif. Untuk lebih memahami pemahaman kedua konsep ini, mari kita lihat artikel yang diberikan di bawah ini.

Isi: Skewness Vs Kurtosis

1. Grafik perbandingan
2. Definisi
3. Perbedaan utama
4. Kesimpulan

Grafik perbandingan

Dasar untuk Perbandingan	Kecondongan	Kurtosis
Berarti	Skewness menyinggung kecenderungan distribusi yang menentukan simetri tentang mean.	Kurtosis berarti ukuran ketajaman masing-masing kurva, dalam distribusi frekuensi.
Ukur untuk	Tingkat ketidakseimbangan dalam distribusi.	Tingkat kebuntuan dalam distribusi.
Apa itu?	Ini adalah indikator kurangnya kesetaraan dalam distribusi frekuensi.	Ini adalah ukuran data, yang memuncak atau datar dalam kaitannya dengan distribusi normal.
Merupakan	Jumlah dan arah kemiringan.	Seberapa tinggi dan tajam puncak pusatnya?

Definisi Skewness

Istilah 'skewness' digunakan untuk berarti tidak adanya simetri dari rata-rata dataset. Merupakan karakteristik dari penyimpangan dari nilai tengah, untuk menjadi lebih besar di satu sisi daripada yang lain, yaitu atribut distribusi yang memiliki satu ekor lebih berat daripada yang lain. Skewness digunakan untuk menunjukkan bentuk distribusi data.

Dalam distribusi miring, kurva diperpanjang ke kiri atau kanan. Jadi, ketika plot diperluas ke sisi kanan lebih, itu menunjukkan kemiringan positif, di mana mode < median < mean. On the other hand, when the plot is stretched more towards the left direction, then it is called as negative skewness and so, mean < median < mode.

Definisi Kurtosis

Dalam statistik, kurtosis didefinisikan sebagai parameter ketajaman relatif dari puncak kurva distribusi probabilitas. Ini memastikan cara pengamatan dikelompokkan di sekitar pusat distribusi. Ini digunakan untuk menunjukkan kerataan atau puncak dari kurva distribusi frekuensi dan mengukur ekor atau outlier dari distribusi.

Kurtosis positif menyatakan bahwa distribusi lebih memuncak daripada distribusi normal, sedangkan kurtosis negatif menunjukkan bahwa distribusi kurang memuncak daripada distribusi normal. Ada tiga jenis distribusi:

• Leptokurtik: Tajam memuncak dengan ekor gemuk, dan kurang bervariasi.
• Mesokurtik: Sedang memuncak
• Platykurtic: Puncak paling rata dan sangat tersebar.

Perbedaan Kunci Antara Skewness dan Kurtosis

Poin-poin yang disajikan kepada Anda menjelaskan perbedaan mendasar antara skewness dan kurtosis:

1. Karakteristik dari distribusi frekuensi yang memastikan simetri tentang rata-rata disebut skewness. Di sisi lain, Kurtosis berarti runcing relatif dari kurva lonceng standar, yang ditentukan oleh distribusi frekuensi.
2. Skewness adalah ukuran tingkat ketidakseimbangan dalam distribusi frekuensi. Sebaliknya, kurtosis adalah ukuran tingkat kebuntuan dalam distribusi frekuensi.
3. Skewness adalah indikator kurangnya simetri, yaitu kedua sisi kiri dan kanan kurva tidak sama, sehubungan dengan titik pusat. Sebagai lawannya, kurtosis adalah ukuran data, baik memuncak atau datar, sehubungan dengan distribusi probabilitas.
4. Skewness menunjukkan seberapa banyak dan ke arah mana, nilai-nilai menyimpang dari mean? Sebaliknya, kurtosis menjelaskan seberapa tinggi dan tajam puncak pusatnya?

Kesimpulan

Untuk distribusi normal, nilai statistik skewness dan kurtosis adalah nol. Inti dari distribusi adalah bahwa dalam kemiringan plot distribusi probabilitas diperluas ke kedua sisi. Di sisi lain, kurtosis mengidentifikasi jalannya; nilai dikelompokkan di sekitar titik pusat pada distribusi frekuensi.