Dispersi vs Kemiringan
Dalam statistik dan teori probabilitas, seringkali variasi dalam distribusi harus dinyatakan secara kuantitatif untuk tujuan perbandingan. Dispersi dan Skewness adalah dua konsep statistik di mana bentuk distribusi disajikan dalam skala kuantitatif.
Selengkapnya tentang Dispersi
Dalam statistik, dispersi adalah variasi dari variabel acak atau distribusi probabilitasnya. Ini adalah ukuran seberapa jauh titik data terletak dari nilai pusat. Untuk menyatakannya secara kuantitatif, ukuran dispersi digunakan dalam statistik deskriptif.
Variance, Standard Deviation, dan Inter-quartile range adalah ukuran dispersi yang paling umum digunakan.
Jika nilai data memiliki satuan tertentu, karena skalanya, ukuran dispersi mungkin juga memiliki satuan yang sama. Rentang antar desil, Rentang, selisih rata-rata, deviasi absolut median, deviasi absolut rata-rata, dan deviasi standar jarak adalah ukuran dispersi dengan satuan.
Sebaliknya, ada ukuran dispersi yang tidak memiliki satuan, yaitu tak berdimensi. Varians, Koefisien variasi, Koefisien dispersi kuartil, dan Perbedaan rata-rata relatif adalah ukuran dispersi tanpa satuan.
Dispersi dalam suatu sistem dapat berasal dari kesalahan, seperti kesalahan instrumental dan pengamatan. Juga, 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, skewness 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 berada di tengah kiri kurva dan ekor kanan lebih panjang. Jika kemiringannya negatif, sebagian besar titik data terpusat ke arah kanan kurva dan ekor kiri agak panjang. Jika skewness adalah nol, maka populasinya berdistribusi normal.
Dalam distribusi normal, yaitu ketika kurva simetris, mean, median, dan modus memiliki nilai yang sama. Jika skewness tidak 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.
skewness coffeicent pertama Pearson=(mean – mode) / (standar deviasi)
skewness coffeicent 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)} i=1 ((y-ӯ)/s)3
Apa perbedaan antara Dispersi dan Kemiringan?
Dispersi menyangkut kisaran di mana titik-titik data didistribusikan, dan skewness menyangkut simetri distribusi.
Ukuran dispersi dan skewness keduanya merupakan ukuran deskriptif dan koefisien skewness memberikan indikasi bentuk distribusi.
Ukuran dispersi digunakan untuk memahami jangkauan titik data dan offset dari mean sedangkan skewness digunakan untuk memahami kecenderungan variasi titik data ke arah tertentu.
