Scheefheid en kurtosis zijn twee statistische maatstaven die worden gebruikt om de vorm en distributie van gegevens in een dataset te beschrijven.
Scheefheid verwijst naar de mate van asymmetrie in een verdeling. Het geeft aan of de gegevens symmetrisch rond het gemiddelde zijn verdeeld. Een scheefheidswaarde van 0 geeft aan dat de gegevens perfect symmetrisch zijn, wat betekent dat de linker- en rechterzijde van de verdeling gelijkelijk gebalanceerd zijn rond het gemiddelde. Positieve scheefheid (>0) geeft aan dat de verdeling een langere rechterstaart heeft, wat betekent dat er extremere waarden aan de rechterkant van de verdeling staan. Omgekeerd duidt een negatieve scheefheid (<0) op een langere linkerstaart, met extremere waarden aan de linkerkant van de verdeling. Het belang van asymmetrie ligt in het vermogen ervan om de afwijking van een symmetrieverdeling te kwantificeren. Het biedt inzicht in de vorm en aard van de gegevensverdeling, waarbij wordt benadrukt of de gegevens geconcentreerd zijn aan het ene uiteinde van de distributie of gelijkmatiger over het bereik van waarden zijn verspreid. Een goede scheefheidswaarde hangt af van de context en de specifieke vereisten van de analyse. Over het algemeen duidt een scheefheidswaarde dichtbij 0 (tussen -0,5 en +0,5) op een vrijwel symmetrische verdeling. Dit wordt voor veel statistische analyses vaak als wenselijk beschouwd omdat het een evenwichtige verdeling rond het gemiddelde suggereert. De interpretatie van asymmetrie hangt echter ook af van de toepassing en de aard van de gegevens. In sommige gevallen kan een enigszins positieve of negatieve scheefheid acceptabel of zelfs verwacht worden, afhankelijk van het domein en de onderliggende kenmerken van de gegevens die worden bestudeerd. Kurtosis daarentegen meet de ‘staart’ van een verdeling en geeft aan hoeveel van de verdeling geconcentreerd is in de staart in plaats van in het midden. Een kurtosiswaarde van 3 (overtollige kurtosis van 0) wordt vaak gebruikt als referentie voor een normale verdeling. Waarden groter dan 3 duiden op zwaardere staarten (leptokurtische verdeling), terwijl waarden kleiner dan 3 duiden op lichtere staarten (platykurtische verdeling). Een "goede" kurtosis-waarde hangt af van de specifieke vereisten van de analyse. In sommige gevallen kan een kurtosis van bijna 3 de voorkeur hebben, vooral bij het analyseren van financiële gegevens of aandelenrendementen waarbij zware staarten op een hoger risico kunnen duiden.