Калькулятор асимметрии и эксцесса

Рассчитать асимметрию и эксцесс

Формула асимметрии и эксцесса

Формула

\[ m_k = \frac{1}{n}\sum_{i=1}^{n}(x_i - \bar{x})^k, \qquad \bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i \]

\[
g_1 = \frac{m_3}{m_2^{3/2}} \qquad \text{(асимметрия генеральной совокупности)}, \qquad
g_2 = \frac{m_4}{m_2^2} - 3 \qquad \text{(эксцесс генеральной совокупности)}
\]
\[
G_1 = \frac{\sqrt{n(n-1)}}{n-2}\, g_1, \qquad
G_2 = \frac{n-1}{(n-2)(n-3)}\bigl[(n+1)\,g_2 + 6\bigr] \qquad \text{(исправленные выборочные оценки)}
\]

Асимметрия и эксцесс — пример расчёта

Пример: набор из десяти измерений: 2; 3; 5; 5; 7; 8; 9; 12; 15; 22, анализируемый как выборка (исправленные оценки, как в функциях Excel СКОС (SKEW) и ЭКСЦЕСС (KURT)).

\[ n = 10, \quad \bar{x} = \frac{88}{10} = 8.8 \]

\[ m_2 = \frac{1}{n}\sum (x_i - 8.8)^2 = 33.56, \quad m_3 = 194.544, \quad m_4 = 3563.9792 \]

\[ g_1 = \frac{194.544}{33.56^{3/2}} \approx 1.0006, \qquad g_2 = \frac{3563.9792}{33.56^2} - 3 \approx 0.1644 \]

\[ G_1 = \frac{\sqrt{10 \cdot 9}}{8} \cdot 1.0006 \approx 1.1865, \qquad G_2 = \frac{9}{8 \cdot 7}\,(11 \cdot 0.1644 + 6) \approx 1.2549 \]

Результат: выборочная асимметрия \(G_1 \approx 1.1865\) (сильная правосторонняя асимметрия) и выборочный эксцесс \(G_2 \approx 1.2549\) (лептокуртическое распределение). Среднее = 8,8, стандартное отклонение генеральной совокупности ≈ 5,7931.

Как пользоваться калькулятором

Введите или вставьте свои числа в поле «Набор данных». Разделяйте значения пробелами, переводами строк или точками с запятой — порядок не важен, десятичные запятые (например, 15,5) допускаются.
Выберите основу расчёта: «Выборка (исправленные оценки)» соответствует функциям Excel СКОС и ЭКСЦЕСС, SPSS, SAS и большинству статистических программ; «Генеральная совокупность (моментные формулы)» использует обычные моментные коэффициенты \(g_1\) и \(g_2\), что уместно, когда ваши данные представляют всю совокупность.
Прочитайте результаты: асимметрия (\(g_1\) или \(G_1\)), эксцесс (\(g_2\) или \(G_2\)) и интерпретация формы распределения, которая классифицирует асимметрию и вес «хвостов», а также приводит сводку: \(n\), среднее и стандартное отклонение.

Для выборочных статистик требуется минимум 3 значения для асимметрии и 4 для эксцесса; если все значения одинаковы, обе меры не определены, поскольку дисперсия равна нулю.

Что асимметрия и эксцесс говорят о ваших данных

Асимметрия (скошенность) измеряет несимметричность распределения. Значение 0 означает, что левая и правая стороны распределения зеркально совпадают, как у нормальной (колоколообразной) кривой. Положительная асимметрия (более длинный правый хвост) означает, что большинство значений сконцентрировано в нижней части, а несколько больших значений растягивают распределение вверх — так часто выглядят доходы, цены на жильё и время ожидания. Отрицательная асимметрия (более длинный левый хвост) — зеркальная ситуация: большинство значений велико, а несколько малых выбросов тянут распределение вниз. В асимметричном распределении среднее смещается в сторону длинного хвоста, поэтому оно перестаёт отражать «типичное» значение — более информативными становятся медиана и мода.

Эксцесс измеряет вес «хвостов» — насколько вероятно появление экстремальных значений по сравнению с нормальным распределением. Этот калькулятор выдаёт эксцесс, то есть куртозис минус 3, так что нормальное распределение соответствует ровно 0. Отрицательное значение (платикуртическое распределение) указывает на более плоскую форму с тонкими хвостами, где выбросы редки. Значение около 0 (мезокуртическое) означает вес хвостов, близкий к нормальной кривой. Положительное значение (лептокуртическое) указывает на островершинное распределение с «толстыми» хвостами: экстремальные исходы происходят чаще, чем предсказывала бы нормальная модель — характерная черта финансовых доходностей и многих реальных наборов данных.

Вместе эти два числа дают компактный профиль формы ваших данных. Многие статистические процедуры (t-тесты, регрессия, доверительные интервалы) предполагают приблизительно нормальные ошибки, и выраженная асимметрия или эксцесс — сигнал, что это допущение может нарушаться. Как грубое правило экспресс-оценки значения асимметрии в пределах ±1 и эксцесса в пределах ±0,5–1 обычно считаются приемлемыми; этот калькулятор использует распространённые пороги |асимметрия| < 0,5 (симметричное), 0,5–1 (умеренное) и > 1 (сильное), а для классификации эксцесса — пороги −0,5 / +0,5.

Допущения, ограничения и практические советы

Выборка или генеральная совокупность — это важно. Исправленные оценки Фишера–Пирсона корректируют смещение в малых выборках; на очень больших наборах данных оба подхода сходятся. Если вы сверяете результат с функциями Excel СКОС и ЭКСЦЕСС, оставьте выбранной опцию «Выборка».
Малые выборки неустойчивы. Асимметрия и эксцесс основаны на третьих и четвёртых степенях отклонений, поэтому один-единственный выброс может резко их изменить. Результаты менее чем по ~20 точкам считайте лишь ориентировочными.
Интерпретация относительна нормального распределения. Метки «симметричное», «платикуртическое» и «лептокуртическое» описывают форму, а не корректность — многие естественные процессы закономерно асимметричны, например экспоненциально-подобные закономерности, которые можно изучить в калькуляторе распределения Пуассона.
Используйте их вместе с другими статистиками. Дополняйте меры формы стандартным отклонением, дисперсией и гистограммой данных, прежде чем делать выводы.
Асимметрия выявляет не всякое отклонение от нормальности. Распределение может быть идеально симметричным (асимметрия = 0) и при этом далёким от нормального — эксцесс или формальный тест нормальности улавливает то, что пропускает асимметрия.

Часто задаваемые вопросы

Как рассчитать асимметрию вручную?

Сначала найдите среднее \(\bar{x}\). Затем вычислите квадраты и кубы отклонений каждого значения: \((x_i-\bar{x})^2\) и \((x_i-\bar{x})^3\). Усредните их, получив \(m_2\) и \(m_3\). Асимметрия равна \(g_1 = m_3/m_2^{3/2}\). Краткое правило: если среднее больше медианы, асимметрия обычно положительная; если меньше — отрицательная. Для выборки примените поправочный коэффициент \(\sqrt{n(n-1)}/(n-2)\), чтобы совпасть с функцией Excel СКОС.

Как рассчитать эксцесс вручную?

Вычислите среднее, затем усредните четвёртые степени отклонений \(m_4 = \frac{1}{n}\sum(x_i-\bar{x})^4\) и квадраты отклонений \(m_2\). Эксцесс равен \(g_2 = m_4/m_2^2 - 3\). Деление на \(m_2^2\) делает меру не зависящей от масштаба, а вычитание 3 помещает нормальное распределение в 0. Для выборочных данных большинство программ использует исправленную формулу Фишера–Пирсона, а не обычное моментное отношение.

Какое значение асимметрии и эксцесса считается нормальным или приемлемым?

Для идеально нормального распределения асимметрия равна 0 и эксцесс равен 0. В качестве грубых ориентиров многие аналитики считают асимметрию в диапазоне от −1 до +1 и эксцесс от −1 до +1 (некоторые используют ±0,5) достаточно близкими к нормальным. Эти пороги неформальны и не являются критериями проверки гипотез — для формального решения используйте тест нормальности, например Шапиро–Уилка, особенно на малых выборках, где сами выборочные оценки сильно колеблются.

Почему мой ответ отличается от Excel (функции СКОС и ЭКСЦЕСС)?

Excel использует исправленные выборочные оценки Фишера–Пирсона, которые включают поправки для малых выборок. Если вы вычислили обычные моментные формулы \(g_1\) и \(g_2\) (основа «генеральная совокупность»), вы получите слегка другие числа — особенно на малых наборах данных. Выберите в этом калькуляторе опцию «Выборка (исправленные оценки)», и результат будет точно совпадать с Excel, SPSS и SAS. При сотнях точек данных оба подхода практически сходятся.

Почему в некоторых книгах куртозис нормального распределения равен 3, а здесь 0?

Существуют два соглашения. Сырой (неисправленный) куртозис нормального распределения равен 3. Эксцесс вычитает 3, чтобы нормальный эталон стал равен 0, что упрощает интерпретацию: положительное значение означает более тяжёлые хвосты, чем у нормального, отрицательное — более лёгкие. Этот калькулятор выдаёт эксцесс, как и функция ЭКСЦЕСС в Excel и большинство современных учебников. Если в какой-то таблице для ваших данных указано 2,9, там используется «сырое» соглашение — просто вычтите 3 для сравнения.

Может ли асимметрия равняться нулю при ненормальном распределении?

Да. Асимметрия измеряет только несимметричность, поэтому любое симметричное распределение — равномерное, симметричное двухвершинное или симметричное с тяжёлыми хвостами — имеет асимметрию 0, оставаясь при этом далёким от нормального. Два разных набора данных могут даже иметь одинаковые асимметрию и эксцесс, но совершенно разные формы. Всегда дополняйте эти числа гистограммой и, в идеале, формальным тестом нормальности, прежде чем заключать, что ваши данные нормальны.

В каких единицах измеряются асимметрия и эксцесс, и нужно ли заранее стандартизировать данные?

Обе величины безразмерны — у них нет единиц измерения, поскольку моменты нормируются степенями стандартного отклонения. Это значит, что вы можете вводить данные в любых единицах (см, кг, доллары, проценты) без предварительного пересчёта или масштабирования и даже сравнивать асимметрию между наборами данных, измеренными в разных единицах. Именно поэтому прибавление константы ко всем значениям или умножение на положительную константу не меняет обе статистики.