Noen distribusjoner av data, for eksempel klokkekurve eller normal distribusjon, er symmetriske. Dette betyr at høyre og venstre for distribusjonen er perfekte speilbilder av hverandre. Ikke hver distribusjon av data er symmetrisk. Sett med data som ikke er symmetriske, sies å være asymmetriske. Målet for hvor asymmetrisk en fordeling kan kalles skjevhet.
Midlere, median og modus er alle tiltak av sentrum av et sett med data. Skjevheten til dataene kan bestemmes av hvordan disse mengdene er relatert til hverandre.
Skjeve til høyre
Data som er skjev til høyre har en lang hale som strekker seg til høyre. En alternativ måte å snakke om et datasett skjevt til høyre er å si at det er positivt skjevt. I denne situasjonen er middelverdien og median er begge større enn modus. Som en generell regel, vil det meste av tiden for data som er skjev til høyre, være større enn medianen. Oppsummert for et datasett som er skjev til høyre:
- Alltid: betyr større enn modus
- Alltid: median større enn modus
- Det meste av tiden: betyr større enn median
Skjev til venstre
Situasjonen snur seg selv når vi håndterer data skjevt til venstre. Data som er skjev til venstre har en lang hale som strekker seg til venstre. En alternativ måte å snakke om et datasett skjevt til venstre er å si at det er negativt skjevt. I denne situasjonen er middelverdien og medianen begge mindre enn modus. Som en generell regel, vil mesteparten av tiden for data som er skjev til venstre, være gjennomsnittet mindre enn medianen. Oppsummert for et datasett som er skjevt til venstre:
- Alltid: betyr mindre enn modus
- Alltid: median mindre enn modus
- Det meste av tiden: betyr mindre enn median
Tiltak av skeivhet
Det er en ting å se på to datasett og bestemme at den ene er symmetrisk, mens den andre er asymmetrisk. Det er en annen å se på to sett med asymmetriske data og si at det ene er mer skjevt enn det andre. Det kan være veldig subjektivt å avgjøre hvilken som er mer skjev ved å bare se på fordelingsgrafen. Dette er grunnen til at det er måter å beregne målene på skjevhet numerisk.
Et mål på skjevhet, kalt Pearsons første skjevhetskoeffisient, er å trekke middelet fra modusen, og deretter dele denne forskjellen med standardavvik av dataene. Årsaken til å dele forskjellen er slik at vi har en dimensjonsløs mengde. Dette forklarer hvorfor data skjevt til høyre har positiv skjevhet. Hvis datasettet er skjev til høyre, er gjennomsnittet større enn modusen, og det å trekke modusen fra gjennomsnittet gir et positivt tall. Et lignende argument forklarer hvorfor data som er skjev til venstre har negativ skjevhet.
Pearssons andre skjevhetskoeffisient brukes også til å måle asymmetrien til et datasett. For denne mengden trekker vi modusen fra medianen, multipliserer dette tallet med tre og deler deretter med standardavviket.
Bruksområder av Skewed Data
Skjeve data oppstår ganske naturlig i forskjellige situasjoner. Inntektene er skjevt til høyre fordi bare noen få individer som tjener millioner av dollar kan påvirke gjennomsnittet, og det er ingen negative inntekter. Tilsvarende er data som involverer levetiden til et produkt, for eksempel et merke lyspære, skjevt til høyre. Her er den minste som en levetid kan være null, og langvarige lyspærer vil gi en positiv skjevhet til dataene.