Çarpıklık ve Basıklık: Standart Sapmanın Ötesinde

Ortalama ve Standart Sapmanın Ötesinde

Ortalama ve standart sapma merkez ve yayılımı tanımlarken, çarpıklık ve basıklık dağılımların şeklini—asimetriyi ve kuyruk ağırlığını—tanımlar.

İstatistikte dağılımları “momentler” kullanarak tanımlarız—şeklin farklı yönlerini yakalayan matematiksel özetler:

1. moment:Ortalama (merkezi eğilim)
2. moment:Varyans/Standart Sapma (yayılım)
3. moment:Çarpıklık (asimetri)
4. moment:Basıklık (kuyruk ağırlığı)

İki dağılım aynı ortalama ve standart sapmaya sahip olabilir ancak tamamen farklı görünebilir. Çarpıklık ve basıklık bu farkları yakalar ve verilerinizin dağılımının daha eksiksiz bir resmini sunar.

Çarpıklık: Asimetriyi Ölçme

Çarpıklık, bir dağılımın ne kadar asimetrik olduğunu ölçer. Pozitif çarpıklık daha uzun bir sağ kuyruk (ör. gelir dağılımları), negatif çarpıklık daha uzun bir sol kuyruk anlamına gelir.

Örneklem Çarpıklığı

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

Çarpıklık = 0:Simetrik dağılım (normal, düzgün)
Çarpıklık > 0:Sağa çarpık—ortalama medyandan büyüktür (gelir, konut fiyatları)
Çarpıklık < 0:Sola çarpık—medyan ortalamadan büyüktür (emeklilik yaşı, tavan etkisi olan sınav puanları)

Yaygın Sağa Çarpık Veriler

Birçok gerçek dünya olgusu sağa çarpıktır: gelir, servet, şirket büyüklükleri, şehir nüfusları, sigorta talepleri ve bekleme süreleri. Bu durumlarda ortalama uç değerler tarafından yukarı çekilir ve medyanı “tipik” değerin daha iyi bir ölçüsü yapar.

Yorumlama kılavuzu:

|Çarpıklık| < 0,5: Yaklaşık simetrik
0,5 ≤ |Çarpıklık| < 1: Orta düzeyde çarpık
|Çarpıklık| ≥ 1: Şiddetli çarpık

Basıklık: Kuyruk Ağırlığı

Basıklık, kuyrukların normal dağılıma kıyasla ne kadar ağır veya hafif olduğunu ölçer. Yüksek basıklık daha fazla uç değer (kalın kuyruklar), düşük basıklık daha az uç değer anlamına gelir.

Yaygın bir yanılgı, basıklığın “sivrilik” ölçtüğüdür. İlişkili olsa da, basıklık temelde kuyruklar hakkındadır. Yüksek basıklığa sahip bir dağılım, kuyruklar ve tepe noktasında daha fazla olasılık kütlesine, ancak “omuzlarda” daha az olasılık kütlesine sahiptir.

Fazla Basıklık

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

Mezokurtik (k ≈ 0):Normal benzeri kuyruklar (karşılaştırma için temel)
Leptokurtik (k > 0):Kalın kuyruklar, normalden daha fazla uç değer (hisse senedi getirileri, depremler)
Platikurtik (k < 0):İnce kuyruklar, normalden daha az uç değer (düzgün dağılım, sınırlı veriler)

Finansta Kalın Kuyruklar

Finansal getiriler bilinen bir şekilde yüksek basıklık (“kalın kuyruklar”) sergiler. Normal dağılım varsayımlarına göre yüz yılda bir olması gereken olaylar çok daha sık meydana gelir. Basıklığı göz ardı etmek riski eksik tahmin etmeye yol açar—birçok finansal krizden alınan bir ders.

Pratik Uygulamalar

Risk Yönetimi: Yüksek basıklık daha sık uç sonuçlar anlamına gelir. VaR ve normallik varsayan diğer risk ölçüleri, basıklık yüksek olduğunda gerçek riski önemli ölçüde eksik tahmin edebilir.

Kalite Kontrol: Yüksek basıklıklı üretim verileri, ortalama performans kabul edilebilir olsa bile ara sıra hedeften aşırı sapmalar olduğunu gösterir. Bu kalıp, araştırma gerektiren süreç istikrarsızlığına işaret edebilir.

Veri Dönüşümü: Şiddetli çarpık veriler, analizden önce dönüşümden (logaritma, karekök) faydalanabilir. Amaç genellikle normallik varsayan istatistiksel testler için yaklaşık normalliğe ulaşmaktır.

İstatistiksel Test: Birçok test normallik varsayar. Belirgin çarpıklık veya basıklık, bu varsayımın ihlal edildiğini gösterebilir ve parametrik olmayan alternatiflerin veya dayanıklı yöntemlerin kullanılmasını önerir.

Yorumlama Kılavuzu

Normallik Testi: Jarque-Bera testi, normalliği test etmek için çarpıklık ve basıklığı birleştirir. Her iki metrik de sıfırdan önemli ölçüde saptığında normalliği reddeder.

Örneklem Büyüklüğü Hususları: Küçük örneklemler güvenilir olmayan çarpıklık ve basıklık tahminleri üretir. n < 50 ile bu istatistikler yüksek örnekleme değişkenliğine sahiptir. n < 20 ile esasen anlamsızdırlar.

Dayanıklılık: Hem çarpıklık hem de basıklık aykırı değerlere karşı duyarlıdır. Tek bir uç değer bu istatistikleri dramatik şekilde etkileyebilir, bu nedenle sayısal özetlerin yanı sıra verilerinizi her zaman görselleştirin.

← Öğrenme Merkezi