Skewness
Skewness se nanaša na popačenost ali asimetrijo v simetrični krivulji zvona ali normalno razporeditev v naboru podatkov. Če se krivulja premakne v levo ali desno, se reče, da je nagnjena. Skewness je mogoče količinsko opredeliti kot prikaz obsega, v katerem se določena porazdelitev razlikuje od običajne porazdelitve. Običajna porazdelitev ima nagib nič, medtem ko bi na primer logična porazdelitev imela neko stopnjo desnega naklona.
Spodaj prikazane tri verjetnostne porazdelitve so v vedno večji meri pozitivno nagnjene (ali desno nagnjene). Distribucije z negativnim naklonom so znane tudi kot distribucije z levo poševno razdaljo. Skewness se skupaj s kurtozo uporablja za boljšo presojo verjetnosti, da bodo dogodki padli v repo verjetnostne porazdelitve.
Ključni odvzemi
- Skewness je v statistiki stopnja izkrivljanja simetrične krivulje zvona pri porazdelitvi verjetnosti.
- Porazdelitve lahko v različni meri kažejo desno (pozitivno) poševnost ali levo (negativno).
- Vlagatelji pri presoji porazdelitve donosa opažajo poševnost, saj tako kot kurtoza upošteva skrajnost nabora podatkov in se ne osredotoča zgolj na povprečje.
Pojasni Skewness
Poleg pozitivnega in negativnega naklona lahko za distribucije rečemo tudi nič ali neopredeljeno nagibanje. V krivulji porazdelitve se lahko podatki na desni strani krivulje razlikujejo od podatkov na levi strani. Te konice so znane kot "repi". Negativni nagib se nanaša na daljši ali debelejši rep na levi strani razdelitve, medtem ko se pozitivni nagib nanaša na daljši ali debelejši rep na desni.
Srednja vrednost pozitivno nagnjenih podatkov bo večja od mediane. Pri distribuciji, ki je negativno nagnjena, je ravno obratno: srednja vrednost negativno naštetih podatkov bo manjša od mediane. Če je graf podatkov simetričen, ima porazdelitev ničelno poševnost, ne glede na to, kako dolgi ali debeli so repi.
Obstaja več načinov za merjenje poševnosti. Pearsonov prvi in drugi koeficient naklona sta dva pogosta. Pearsonov prvi koeficient naklona ali Pearsonov način nagiba odšteje način od povprečja in razliko deli s standardnim odklonom. Pearsonov drugi koeficient naklona ali Pearsonov sredinski naklon odšteje mediano od povprečne, razliko pomnoži s tremi in produkt deli s standardnim odklonom.
Formule za Pearsonovo poševnost so:
kje:
- Sk 1 je Pearsonov prvi koeficient naklonosti in Sk 2 drugi;
- s je standardni odklon za vzorec;
- x̄ je srednja vrednost;
- Mo je modalna (način) vrednost; in
- Md je srednja vrednost.
Pearsonov prvi koeficient naklona je uporaben, če imajo podatki močan način. Če imajo podatki šibek način ali več načinov, je morda prednostni Pearsonov drugi koeficient, saj se ne zanaša na način kot merilo osrednje težnje.
0:58Kaj je Skewness ">Kaj vam pove Skewness?
Vlagatelji pri presoji porazdelitve donosa opažajo poševnost, saj tako kot kurtoza upošteva skrajnost nabora podatkov in se ne osredotoča zgolj na povprečje. Zlasti kratkoročni in srednjeročni vlagatelji se morajo zazreti v skrajnost, saj je manj verjetno, da bodo na položaju dovolj dolgo, da so prepričani, da se bo povprečje izšlo.
Vlagatelji običajno uporabljajo standardni odklon za napovedovanje prihodnjih donosov, vendar standardni odklon predvideva normalno porazdelitev. Ker se malo porazdelitev donosa približa normalni, je poševnost boljše merilo, na katerem temeljijo napovedi uspešnosti. To je posledica tveganja poševnosti.
Tveganje nagnjenosti je povečano tveganje, da se pri naklonski distribuciji pojavijo podatkovne točke velike poševnosti. Številni finančni modeli, ki poskušajo napovedati prihodnjo uspešnost sredstva, prevzamejo običajno distribucijo, pri kateri so ukrepi osrednje tendence enaki. Če so podatki nagnjeni, bo tovrstni model v svojih napovedih vedno podcenjeval tveganje naklona. Bolj kot so skriti podatki, manj natančen bo ta finančni model.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.