Dispersi vs Skewness
Dalam teori statistik dan probabilitas, seringkali variasi dalam distribusi harus diekspresikan secara kuantitatif untuk tujuan perbandingan. Dispersion and Skewness adalah dua konsep statistik dimana bentuk sebaran 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, Standar Deviasi, dan kisaran Inter-kuartil adalah ukuran dispersi yang paling umum digunakan.
Jika nilai data memiliki satuan tertentu, karena skalanya, ukuran dispersinya juga dapat memiliki satuan yang sama. Rentang antardecile, Rentang, perbedaan rata-rata, deviasi absolut median, deviasi absolut rata-rata, dan deviasi standar jarak adalah ukuran dispersi dengan unit.
Sebaliknya, ada ukuran dispersi yang tidak memiliki satuan, yaitu tidak berdimensi. Varians, Koefisien variasi, Koefisien dispersi kuartil, dan Beda rata-rata relatif adalah ukuran dispersi tanpa satuan.
Dispersi dalam suatu sistem dapat bersumber dari kesalahan, seperti kesalahan instrumental dan pengamatan. Selain itu, 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, kemiringan 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 kemiringannya positif, maka sebagian besar titik data dipusatkan di kiri kurva dan ekor kanan lebih panjang. Jika kemiringannya negatif, sebagian besar titik data dipusatkan ke arah kanan kurva dan ekor kirinya agak panjang. Jika kemiringannya nol, maka populasi berdistribusi normal.
Dalam distribusi normal, yaitu ketika kurva simetris, mean, median, dan mode memiliki nilai yang sama. Jika kemiringan bukan nol, properti ini tidak berlaku, dan mean, mode, dan median mungkin memiliki nilai yang berbeda.
Koefisien kemiringan pertama dan kedua Pearson biasanya digunakan untuk menentukan kemiringan distribusi.
Koefisien kemiringan pertama Pearson = (mean - mode) / (deviasi standar)
Koefisien kemiringan kedua Pearson = 3 (mean - mode) / (deviasi satndard)
Dalam kasus yang lebih sensitif, koefisien momen standar Fisher-Pearson yang disesuaikan digunakan.
G = {n / (n-1) (n-2)} ∑ n i = 1 ((y-ӯ) / s) 3
Apa perbedaan antara Dispersion dan Skewness?
Dispersi menyangkut tentang kisaran di mana titik-titik data didistribusikan, dan kemiringan menyangkut kesimetrisan distribusi.
Kedua ukuran dispersi dan skewness adalah ukuran deskriptif dan koefisien skewness memberikan indikasi bentuk distribusi.
Pengukuran dispersi digunakan untuk memahami kisaran titik data dan offset dari mean sedangkan skewness digunakan untuk memahami kecenderungan variasi titik data ke arah tertentu.
