Изкривяване: По принцип изкривяването показва къде са концентрирани данните в нашите набори от данни. Той измерва асиметрия или изкривяване на симетрично разпределение. Също така, той измерва отклонението на даденото разпределение на случайна променлива от симетричното разпределение. Като нормално разпределение.
Изкривяването би било много по-лесно за нас, ако имаме ясно разбиране за средната стойност, медианата и модата.
Има три типа изкривяване, изкривяване надясно, нулево изкривяване и изкривяване вляво.
Представете си, че имаме набори от данни или таблици с някои от стойностите. след изчисляване на средна стойност, медиана и мода, ако получим резултата, който споменах в диаграмата.
Дясно изкривяване/Положително изкривяване: Ще получим положително или изкривяване надясно, когато отклонението ще бъде нашата дясна страна и среден › режим. (Отляво).
Нулева асиметрия: Когато средната стойност, медианата и модата са равни, тогава наричаме нулева асиметрия. (По средата).
Ляво изкривяване:Ще получим отрицателно или ляво изкривяване, когато отклонението е нашата лява страна и средната › медиана. (Диаграма вдясно)
Защо използваме Skewness?
Използваме асиметрия, защото тя ни казва къде са разположени повечето точки от данни. Толкова просто.
