Калькулятор асиметрії та ексцесу
Введіть дані та миттєво отримайте асиметрію та ексцес за вибірковими (Excel/SPSS) або генеральними формулами, а також інтерпретацію форми розподілу.
Обчислити асиметрію та ексцес
Формула асиметрії та ексцесу
\[
g_1 = \frac{m_3}{m_2^{3/2}} \qquad \text{(асиметрія генеральної сукупності)}, \qquad
g_2 = \frac{m_4}{m_2^2} - 3 \qquad \text{(ексцес генеральної сукупності)}
\]
\[
G_1 = \frac{\sqrt{n(n-1)}}{n-2}\, g_1, \qquad
G_2 = \frac{n-1}{(n-2)(n-3)}\bigl[(n+1)\,g_2 + 6\bigr] \qquad \text{(скориговані вибіркові оцінки)}
\]
Асиметрія та ексцес — приклад розрахунку
Приклад: набір даних із десяти вимірювань: 2; 3; 5; 5; 7; 8; 9; 12; 15; 22, проаналізований як вибірка (скориговані оцінки, як у Excel SKEW і 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: вибіркова асиметрія \(G_1 \approx 1.1865\) (сильно зміщений вправо розподіл) та вибірковий ексцес \(G_2 \approx 1.2549\) (лептокуртичний розподіл). Середнє = 8,8, стандартне відхилення генеральної сукупності ≈ 5,7931.
Як користуватися калькулятором
- Введіть або вставте свої числа в поле Дані. Розділяйте значення пробілами, новими рядками або крапкою з комою — порядок не має значення, а десяткові коми (напр. 15,5) приймаються.
- Виберіть Основу розрахунку: «Вибірка (скориговані оцінки)» відповідає функціям SKEW і KURT в Excel, SPSS, SAS та більшості статистичних програм; «Генеральна сукупність (моментні формули)» використовує звичайні моментні коефіцієнти \(g_1\) і \(g_2\), що підходить, коли ваші дані описують усю сукупність.
- Прочитайте результати: Асиметрія (\(g_1\) або \(G_1\)), Ексцес (\(g_2\) або \(G_2\)) та Інтерпретація форми розподілу, яка класифікує несиметричність і вагу хвостів разом із підсумком \(n\), середнього та стандартного відхилення.
Для вибіркових статистик потрібно щонайменше 3 значення для асиметрії та 4 для ексцесу; якщо всі значення однакові, обидві характеристики невизначені, оскільки дисперсія дорівнює нулю.
Що асиметрія та ексцес кажуть про ваші дані
Асиметрія вимірює несиметричність розподілу. Значення 0 означає, що ліва й права сторони розподілу дзеркально відображають одна одну, як у нормальній (дзвоноподібній) кривій. Додатна асиметрія (довший правий хвіст) означає, що більшість значень групується в нижньому діапазоні, а кілька великих значень розтягують розподіл угору — так часто виглядають доходи, ціни на житло та час очікування. Від’ємна асиметрія (довший лівий хвіст) — це дзеркальне відображення: більшість значень лежать високо, а кілька малих викидів тягнуть розподіл униз. В асиметричному розподілі середнє зміщується до довгого хвоста, тому воно більше не передає «типове» значення — медіана та мода стають інформативнішими.
Ексцес вимірює вагу хвостів — наскільки ймовірні екстремальні значення порівняно з нормальним розподілом. Цей калькулятор повертає ексцес, тобто куртозис мінус 3, тож нормальний розподіл має значення рівно 0. Від’ємне значення (платикуртичний розподіл) вказує на плоскішу форму з тонкими хвостами, де викиди рідкісні. Значення близько 0 (мезокуртичний) означає вагу хвостів, подібну до нормальної кривої. Додатне значення (лептокуртичний) вказує на гостровершинний розподіл із «товстими» хвостами: екстремальні результати трапляються частіше, ніж передбачала б нормальна модель — характерна риса фінансової дохідності та багатьох реальних наборів даних.
Разом ці два числа дають компактний профіль форми ваших даних. Багато статистичних процедур (t-тести, регресія, довірчі інтервали) припускають приблизно нормальні похибки, і виражена асиметрія або ексцес — це попередження, що це припущення може не виконуватися. Як орієнтовне правило скринінгу, значення в межах ±1 для асиметрії та в межах ±0,5–1 для ексцесу зазвичай вважають прийнятними; цей калькулятор використовує поширені пороги |асиметрія| < 0,5 (симетричний розподіл), 0,5–1 (помірна асиметрія) і > 1 (сильна асиметрія), а також −0,5 / +0,5 для класифікації ексцесу.
Припущення, обмеження та практичні поради
- Вибірка чи генеральна сукупність — це важливо. Скориговані оцінки Фішера–Пірсона виправляють зміщення на малих вибірках; на дуже великих масивах даних обидва підходи збігаються. Якщо ви порівнюєте свій результат із функціями SKEW і KURT в Excel, залиште вибраним варіант «Вибірка».
- Малі вибірки нестабільні. Асиметрія та ексцес базуються на третьому й четвертому степенях відхилень, тому один-єдиний викид може різко їх змінити. Результати, отримані для менш ніж ~20 точок, вважайте лише орієнтовними.
- Інтерпретація відносна до нормального розподілу. Мітки «симетричний», «платикуртичний» і «лептокуртичний» описують форму, а не «правильність» — багато природних процесів цілком закономірно асиметричні, наприклад подібні до експоненційного патерни, які можна дослідити за допомогою калькулятора розподілу Пуассона.
- Використовуйте їх разом з іншими статистиками. Доповнюйте показники форми стандартним відхиленням, дисперсією та гістограмою даних, перш ніж робити висновки.
- Асиметрія не виявляє всіх відхилень від нормальності. Розподіл може бути цілком симетричним (асиметрія = 0), але при цьому далеким від нормального — ексцес або формальний тест нормальності виявить те, що асиметрія пропускає.
Часті запитання
Як обчислити асиметрію вручну?
Спочатку знайдіть середнє \(\bar{x}\). Потім обчисліть квадрати та куби відхилень кожного значення: \((x_i-\bar{x})^2\) і \((x_i-\bar{x})^3\). Усередніть їх, щоб отримати \(m_2\) і \(m_3\). Асиметрія — це \(g_1 = m_3/m_2^{3/2}\). Швидка підказка: якщо середнє більше за медіану, асиметрія зазвичай буде додатною; якщо менше — від’ємною. Для вибірки застосуйте поправковий коефіцієнт \(\sqrt{n(n-1)}/(n-2)\), щоб збігтися з Excel SKEW.
Як обчислити ексцес вручну?
Обчисліть середнє, потім усередніть четверті степені відхилень \(m_4 = \frac{1}{n}\sum(x_i-\bar{x})^4\) та квадрати відхилень \(m_2\). Ексцес дорівнює \(g_2 = m_4/m_2^2 - 3\). Ділення на \(m_2^2\) робить показник незалежним від масштабу, а віднімання 3 зводить нормальний розподіл до 0. Для вибіркових даних більшість програм використовує скориговану формулу Фішера–Пірсона замість звичайного моментного відношення.
Які значення асиметрії та ексцесу вважаються нормальними чи прийнятними?
Для абсолютно нормального розподілу асиметрія дорівнює 0, а ексцес — теж 0. Як орієнтовні правила скринінгу, багато аналітиків вважають асиметрію між −1 і +1 та ексцес між −1 і +1 (деякі використовують ±0,5) достатньо близькими до нормальних. Ці пороги неформальні й не є критеріями перевірки гіпотез — для формального рішення використовуйте тест нормальності, як-от тест Шапіро–Уїлка, особливо на малих вибірках, де самі вибіркові оцінки сильно коливаються.
Чому моя відповідь відрізняється від Excel SKEW і KURT?
Excel використовує скориговані вибіркові оцінки Фішера–Пірсона, які містять поправки на малі вибірки. Якщо ви використали звичайні моментні формули \(g_1\) і \(g_2\) (основа «генеральна сукупність»), отримаєте трохи інші числа — особливо на малих масивах даних. Виберіть у цьому калькуляторі опцію «Вибірка (скориговані оцінки)», і результат точно збігатиметься з Excel, SPSS і SAS. На сотнях точок даних обидва підходи практично збігаються.
Чому ексцес нормального розподілу в деяких книжках дорівнює 3, а тут 0?
Існують два підходи. «Сирий» (нескоригований) куртозис нормального розподілу дорівнює 3. Ексцес віднімає 3, щоб нормальний орієнтир став рівно 0, що полегшує інтерпретацію: додатне значення означає «товщі» за нормальні хвости, від’ємне — тонші. Цей калькулятор повертає ексцес, як і функція KURT в Excel та більшість сучасних підручників. Якщо для ваших даних у таблиці вказано 2,9 — там використано нескориговану формулу; просто відніміть 3 для порівняння.
Чи може асиметрія дорівнювати нулю для ненормального розподілу?
Так. Асиметрія вимірює лише несиметричність, тому будь-який симетричний розподіл — рівномірний, симетричний двовершинний або симетричний з важкими хвостами — має асиметрію 0, залишаючись при цьому далеким від нормального. Навіть два різні набори даних можуть мати однакові асиметрію та ексцес, але зовсім різну форму. Завжди доповнюйте ці числа гістограмою і, бажано, формальним тестом нормальності, перш ніж зробити висновок, що ваші дані нормальні.
Які одиниці вимірювання мають асиметрія та ексцес, і чи потрібно спочатку стандартизувати дані?
Обидва показники безрозмірні — вони не мають одиниць, оскільки моменти стандартизуються степенями стандартного відхилення. Це означає, що можна вводити дані в будь-яких одиницях (см, кг, долари, відсотки) без попереднього перетворення чи масштабування, і навіть порівнювати асиметрію між наборами даних, виміряними в різних одиницях. Саме тому додавання сталої до кожного значення або множення на додатну сталу не змінює жодної з обох статистик.