Độ lệch và Độ nhọn: Vượt xa Độ lệch chuẩn

Vượt xa Trung bình và Độ lệch chuẩn

Trong khi trung bình và độ lệch chuẩn mô tả tâm và độ phân tán, độ lệch và độ nhọn mô tả hình dạng của phân phối—tính bất đối xứng và độ dày của đuôi.

Trong thống kê, chúng ta mô tả phân phối bằng các “mô-men”—các tóm tắt toán học nắm bắt các khía cạnh khác nhau của hình dạng:

Mô-men bậc 1:Trung bình (xu hướng trung tâm)
Mô-men bậc 2:Phương sai/Độ lệch chuẩn (độ phân tán)
Mô-men bậc 3:Độ lệch (tính bất đối xứng)
Mô-men bậc 4:Độ nhọn (độ dày của đuôi)

Hai phân phối có thể có trung bình và độ lệch chuẩn giống hệt nhau nhưng trông hoàn toàn khác nhau. Độ lệch và độ nhọn nắm bắt những khác biệt này, cung cấp bức tranh đầy đủ hơn về phân phối dữ liệu.

Độ lệch: Đo lường tính bất đối xứng

Độ lệch đo mức bất đối xứng của phân phối. Lệch dương nghĩa là đuôi phải dài hơn (ví dụ: phân phối thu nhập), lệch âm nghĩa là đuôi trái dài hơn.

Độ lệch mẫu

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

Skewness = 0:Phân phối đối xứng (chuẩn, đều)
Skewness > 0:Lệch phải—trung bình vượt trung vị (thu nhập, giá nhà)
Skewness < 0:Lệch trái—trung vị vượt trung bình (tuổi nghỉ hưu, điểm thi có trần)

Dữ liệu lệch phải phổ biến

Nhiều hiện tượng thực tế lệch phải: thu nhập, tài sản, quy mô công ty, dân số thành phố, yêu cầu bảo hiểm và thời gian chờ. Trong những trường hợp này, trung bình bị kéo lên bởi các giá trị cực đoan, khiến trung vị là thước đo “điển hình” tốt hơn.

Hướng dẫn diễn giải:

|Skewness| < 0,5: Xấp xỉ đối xứng
0,5 ≤ |Skewness| < 1: Lệch vừa phải
|Skewness| ≥ 1: Lệch nhiều

Độ nhọn: Độ dày của đuôi

Độ nhọn đo mức nặng hay nhẹ của đuôi so với phân phối chuẩn. Độ nhọn cao nghĩa là nhiều giá trị cực đoan hơn (đuôi béo), độ nhọn thấp nghĩa là ít hơn.

Một hiểu lầm phổ biến là độ nhọn đo “độ nhọn”. Dù có liên quan, độ nhọn cơ bản là về đuôi. Phân phối có độ nhọn cao có nhiều khối lượng xác suất hơn ở đuôi và đỉnh, nhưng ít hơn ở “vai”.

Độ nhọn vượt

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

Mesokurtic (k ≈ 0):Đuôi giống phân phối chuẩn (đường cơ sở để so sánh)
Leptokurtic (k > 0):Đuôi béo, nhiều giá trị cực đoan hơn bình thường (lợi nhuận chứng khoán, động đất)
Platykurtic (k < 0):Đuôi mỏng, ít cực đoan hơn bình thường (phân phối đều, dữ liệu có giới hạn)

Đuôi béo trong tài chính

Lợi nhuận tài chính nổi tiếng có độ nhọn cao (“đuôi béo”). Các sự kiện mà theo giả định phân phối chuẩn chỉ xảy ra một lần trong một thế kỷ lại xảy ra thường xuyên hơn nhiều. Bỏ qua độ nhọn dẫn đến đánh giá thấp rủi ro—bài học từ nhiều cuộc khủng hoảng tài chính.

Ứng dụng thực tế

Quản lý rủi ro: Độ nhọn cao nghĩa là các kết quả cực đoan xảy ra thường xuyên hơn. VaR và các thước đo rủi ro khác giả định tính chuẩn có thể đánh giá thấp rủi ro thực khi độ nhọn cao.

Kiểm soát chất lượng: Dữ liệu sản xuất có độ nhọn cao cho thấy các sai lệch cực đoan thỉnh thoảng xảy ra so với mục tiêu, ngay cả khi hiệu suất trung bình chấp nhận được. Mô hình này có thể chỉ ra sự bất ổn quy trình cần điều tra.

Biến đổi dữ liệu: Dữ liệu lệch nhiều có thể được hưởng lợi từ biến đổi (logarit, căn bậc hai) trước khi phân tích. Mục tiêu thường là đạt được tính chuẩn xấp xỉ cho các kiểm định thống kê giả định nó.

Kiểm định thống kê: Nhiều kiểm định giả định tính chuẩn. Độ lệch hoặc độ nhọn đáng kể có thể cho thấy giả định này bị vi phạm, gợi ý sử dụng các phương pháp phi tham số hoặc bền vững.

Hướng dẫn diễn giải

Kiểm định tính chuẩn: Kiểm định Jarque-Bera kết hợp độ lệch và độ nhọn để kiểm tra tính chuẩn. Nó bác bỏ tính chuẩn khi một trong hai chỉ số lệch đáng kể khỏi 0.

Xem xét kích thước mẫu: Mẫu nhỏ tạo ra ước lượng độ lệch và độ nhọn không đáng tin cậy. Với n < 50, các thống kê này có biến thiên lấy mẫu cao. Với n < 20, chúng cơ bản vô nghĩa.

Tính bền vững: Cả độ lệch và độ nhọn đều nhạy cảm với giá trị ngoại lai. Một giá trị cực đoan duy nhất có thể ảnh hưởng đáng kể đến các thống kê này, vì vậy luôn trực quan hóa dữ liệu cùng với tóm tắt số liệu.

← Trung tâm Học tập