אסימטריה וקורטוזיס: מעבר לסטיית תקן

מעבר לממוצע וסטיית תקן

בעוד שממוצע וסטיית תקן מתארים מרכז ופיזור, אסימטריה וקורטוזיס מתארים את צורת ההתפלגויות — חוסר סימטריה וכבדות זנבות.

בסטטיסטיקה, אנו מתארים התפלגויות באמצעות “מומנטים” — סיכומים מתמטיים הלוכדים היבטים שונים של הצורה:

מומנט 1:ממוצע (נטייה מרכזית)
מומנט 2:שונות/סטיית תקן (פיזור)
מומנט 3:אסימטריה (חוסר סימטריה)
מומנט 4:קורטוזיס (כבדות זנבות)

שתי התפלגויות יכולות להיות בעלות ממוצעים וסטיות תקן זהים ובכל זאת להיראות שונות לחלוטין. אסימטריה וקורטוזיס לוכדים הבדלים אלה ומספקים תמונה שלמה יותר של התפלגות הנתונים.

אסימטריה: מדידת חוסר סימטריה

אסימטריה מודדת כמה א-סימטרית התפלגות. אסימטריה חיובית פירושה זנב ימני ארוך יותר (למשל, התפלגויות הכנסה), בעוד אסימטריה שלילית פירושה זנב שמאלי ארוך יותר.

Sample Skewness

g₁ = [n/((n-1)(n-2))] × Σ[(xᵢ - x̄)/s]³

אסימטריה = 0:התפלגות סימטרית (נורמלית, אחידה)
אסימטריה > 0:מוטה ימינה — הממוצע עולה על החציון (הכנסה, מחירי דירות)
אסימטריה < 0:מוטה שמאלה — החציון עולה על הממוצע (גיל פרישה, ציוני מבחן עם תקרה)

נתונים מוטים ימינה נפוצים

תופעות רבות בעולם האמיתי מוטות ימינה: הכנסה, עושר, גדלי חברות, אוכלוסיות ערים, תביעות ביטוח וזמני המתנה. במקרים אלה, הממוצע נמשך כלפי מעלה על ידי ערכים קיצוניים, מה שהופך את החציון למדד טוב יותר של “אופייני”.

הנחיות פרשנות:

|אסימטריה| < 0.5: סימטרית בקירוב
0.5 ≤ |אסימטריה| < 1: מוטה באופן מתון
|אסימטריה| ≥ 1: מוטה חזק

קורטוזיס: כבדות זנבות

קורטוזיס מודד כמה כבדים או קלים הזנבות בהשוואה להתפלגות נורמלית. קורטוזיס גבוה פירושו יותר ערכים קיצוניים (זנבות שמנים), קורטוזיס נמוך פירושו פחות.

תפיסה מוטעית נפוצה היא שקורטוזיס מודד “חידוד שיא”. למרות שיש קשר, קורטוזיס עוסק ביסודו בזנבות. התפלגות עם קורטוזיס גבוה מרכזת יותר הסתברות בזנבות ובשיא, אך פחות ב“כתפיים”.

Excess Kurtosis

g₂ = [n(n+1)/((n-1)(n-2)(n-3))] × Σ[(xᵢ - x̄)/s]⁴ - 3(n-1)²/((n-2)(n-3))

מזוקורטית (k ≈ 0):זנבות דמויי נורמל (קו בסיס להשוואה)
לפטוקורטית (k > 0):זנבות שמנים, יותר ערכים קיצוניים מהנורמל (תשואות מניות, רעידות אדמה)
פלטיקורטית (k < 0):זנבות דקים, פחות ערכים קיצוניים מהנורמל (התפלגות אחידה, נתונים חסומים)

זנבות שמנים בפיננסים

תשואות פיננסיות ידועות בקורטוזיס גבוה (“זנבות שמנים”). אירועים שלפי הנחת נורמליות אמורים להתרחש פעם במאה שנה מתרחשים בתדירות הרבה יותר גבוהה. התעלמות מקורטוזיס מובילה להערכת חסר של סיכון — לקח ממשברים פיננסיים רבים.

יישומים מעשיים

ניהול סיכונים: קורטוזיס גבוה פירושו תוצאות קיצוניות בתדירות גבוהה יותר. VaR ומדדי סיכון אחרים המניחים נורמליות עלולים לזלזל בסיכון האמיתי כאשר הקורטוזיס גבוה.

בקרת איכות: נתוני ייצור עם קורטוזיס גבוה מרמזים על סטיות קיצוניות מדי פעם מהיעד, גם אם הביצועים הממוצעים תקינים. דפוס זה עשוי להצביע על חוסר יציבות בתהליך הדורש חקירה.

טרנספורמציית נתונים: נתונים מוטים חזק עשויים להרוויח מטרנספורמציה (לוגריתמית, שורש ריבועי) לפני הניתוח. המטרה היא לעתים קרובות להשיג נורמליות משוערת למבחנים סטטיסטיים המניחים אותה.

בדיקות סטטיסטיות: מבחנים רבים מניחים נורמליות. אסימטריה או קורטוזיס משמעותיים עשויים להצביע על הפרת הנחה זו, מה שמרמז על שימוש בחלופות לא-פרמטריות או בשיטות חסינות.

הנחיות פרשנות

בדיקת נורמליות: מבחן ז'ארק-ברה משלב אסימטריה וקורטוזיס לבדיקת נורמליות. הוא דוחה נורמליות כאשר אחד המדדים סוטה משמעותית מאפס.

שיקולי גודל מדגם: מדגמים קטנים מניבים אומדני אסימטריה וקורטוזיס לא אמינים. עם n < 50, לסטטיסטיקות אלה שונות דגימה גבוהה. עם n < 20, הן חסרות משמעות למעשה.

חסינות: גם אסימטריה וגם קורטוזיס רגישים לחריגים. ערך קיצוני בודד יכול להשפיע דרמטית על סטטיסטיקות אלה, לכן תמיד הציגו את הנתונים באופן חזותי לצד סיכומים מספריים.

← מרכז למידה