Perbedaan Antara Dispersi dan Skewness
Share
Dispersi vs Skewness
Dalam statistik dan teori probabilitas, seringkali variasi dalam distribusi harus dinyatakan secara kuantitatif untuk tujuan perbandingan. Dispersion dan Skewness adalah dua konsep statistik di mana bentuk distribusi disajikan dalam skala kuantitatif.
Lebih lanjut tentang Dispersion
Dalam statistik, dispersi adalah variasi dari variabel acak atau distribusi probabilitasnya. Ini adalah ukuran seberapa jauh titik data terletak dari nilai pusat. Untuk mengungkapkan ini secara kuantitatif, ukuran dispersi digunakan dalam statistik deskriptif.
Varians, Deviasi Standar, dan rentang Inter-kuartil adalah ukuran dispersi yang paling umum digunakan.
Jika nilai data memiliki unit tertentu, karena skala, ukuran dispersi juga dapat memiliki unit yang sama. Kisaran interdecile, Range, perbedaan rata-rata, deviasi absolut median, deviasi absolut rata-rata, dan deviasi standar jarak adalah ukuran dispersi dengan satuan.
Sebaliknya, ada ukuran dispersi yang tidak memiliki satuan, yaitu berdimensi. Varians, Koefisien variasi, Koefisien dispersi kuartil, dan Perbedaan rata-rata relatif adalah ukuran dispersi tanpa unit.
Dispersi dalam suatu sistem dapat berasal dari kesalahan, seperti kesalahan instrumental dan pengamatan. Juga, variasi acak dalam sampel itu sendiri dapat menyebabkan variasi. Penting untuk memiliki gagasan kuantitatif tentang variasi data sebelum membuat kesimpulan lain dari kumpulan data.
Lebih lanjut tentang Skewness
Dalam statistik, skewness adalah ukuran asimetri dari distribusi probabilitas. Kemiringan bisa positif atau negatif, atau dalam beberapa kasus tidak ada. Ini juga dapat dianggap sebagai ukuran offset dari distribusi normal.
Jika kemiringan positif, maka sebagian besar titik data dipusatkan di sebelah kiri kurva dan ekor kanan lebih panjang. Jika kemiringan negatif, sebagian besar titik data dipusatkan ke kanan kurva dan ekor kiri agak panjang. Jika kemiringannya nol, maka populasi terdistribusi secara normal.
Dalam distribusi normal, yaitu ketika kurva simetris, mean, median, dan mode memiliki nilai yang sama. Jika kemiringan tidak nol, properti ini tidak tahan, dan mean, mode, dan median mungkin memiliki nilai yang berbeda.
Koefisien kemiringan pertama dan kedua Pearson umumnya digunakan untuk menentukan kemiringan distribusi.
Skewness coffeicent = pertama Pearson (mean - mode) / (standar deviasi)
Kemiringan kedua Pearson's coffeicent = 3 (mean - mode) / (deviasi satndard)
Dalam kasus yang lebih sensitif, koefisien momen standar Fisher-Pearson yang disesuaikan digunakan.
G = n / (n-1) (n-2) Âni = 1 ((y-ӯ) / s)3
Apa perbedaan antara Dispersi dan Skewness?
Dispersi mengkhawatirkan kisaran di mana titik data didistribusikan, dan kemiringan menyangkut simetri distribusi.
Kedua ukuran dispersi dan skewness adalah ukuran deskriptif dan koefisien skewness memberikan indikasi bentuk distribusi.
Ukuran dispersi digunakan untuk memahami rentang titik data dan mengimbangi dari rerata sedangkan kemiringan digunakan untuk memahami kecenderungan variasi titik data ke arah tertentu..
