Scheefheid in statistieken verwijst naar een maatstaf voor de asymmetrie van een waarschijnlijkheidsverdeling rond het gemiddelde. Het geeft aan of gegevenspunten in een verdeling aan de ene kant meer geconcentreerd zijn dan het gemiddelde in vergelijking met de andere kant. Meer specifiek meet scheefheid het gebrek aan symmetrie in een verdeling. Een scheefheidswaarde van 0 duidt op perfecte symmetrie, wat betekent dat de verdeling gelijkmatig rond het gemiddelde ligt. Positieve scheefheid (>0) suggereert dat de staart van de verdeling langer is aan de rechterkant, met meer gegevenspunten naar de onderkant. Negatieve asymmetrie (<0) suggère que la queue de la distribution est plus longue sur le côté gauche, avec plus de points de données vers l'extrémité supérieure. Dans les statistiques, l'asymétrie est une mesure numérique qui quantifie l'asymétrie d'une distribution de probabilité. Il fournit des informations importantes sur la forme et les caractéristiques des distributions de données, aidant les analystes à comprendre les tendances de la distribution et la façon dont les points de données sont distribués par rapport à la moyenne. Il existe trois principaux types d'asymétrie:
- Positieve scheefheid: ook wel positieve scheefheid genoemd, treedt op wanneer de staart van de verdeling langer is aan de rechterkant. Dit geeft aan dat er meer gegevens zijn die in de richting van de lagere waarden wijzen, met minder hogere uitschieters.
- Negatieve scheefheid: Ook bekend als negatieve scheefheid, treedt op wanneer de staart van de verdeling langer is aan de linkerkant. Dit suggereert dat er meer gegevens zijn die in de richting van de hogere waarden wijzen, met minder lagere uitschieters.
- Zero scheefheid: Een scheefheidswaarde van 0 geeft aan dat de verdeling perfect symmetrisch is rond het gemiddelde. De linker- en rechterstaart van de verdeling zijn even lang en de gegevenspunten zijn gelijkmatig verdeeld over beide zijden.
Kurtosis daarentegen is een andere statistische maatstaf die de “staart” van een waarschijnlijkheidsverdeling beschrijft. Het kwantificeert de relatieve piek of vlakheid van een verdeling vergeleken met de normale verdeling. Een verdeling met hoge kurtosis (leptokurtic) heeft een zware staart en een scherpe piek, wat aangeeft dat deze extremere waarden heeft dan een normale verdeling. Een verdeling met lage kurtosis (platykurtic) heeft een lichte staart en is meer verspreid, met minder uitschieters dan een normale verdeling.
Samenvattend meet scheefheid de scheefheid van een verdeling rond het gemiddelde, terwijl kurtosis de piek of staart van de verdeling meet ten opzichte van de normale verdeling. Samen bieden scheefheid en kurtosis uitgebreide informatie over de vorm, kenmerken en gedrag van gegevensverdelingen bij statistische analyse en modellering.