Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
При изучении распределений, отличных от нормального, возникает необходимость количественно оценить это различие. С этой целью вводят две специальные характеристики - асимметрию и эксцесс.
Если распределение случайной величины симметрично относительно математического ожидания, то все центральные моменты нечетного порядка равны нулю.
Это объясняется тем, что в силу симметричности для каждого $+( { X-M( X ) } )$ найдется $-( { X-M( X ) } )$ с одинаковой вероятностью.
Если центральный момент нечетного порядка не равен 0, то говорят об асимметричности распределения, чем больше момент, тем больше асимметрия
Поэтому в качестве характеристики асимметрии разумнее всего взять какой-нибудь нечетный момент т.к. 1-го порядка всегда 0, то возьмем 3-го порядка.
Опр. Коэффициентом асимметрии $A$ называется величина $A=\frac { M_3 } { \sigma _x^3 } $, где $\sigma _x$ - среднее квадратическое отклонение. $M_3-$ центральный момент 3-го порядка.
Рассмотрим два случая**
1) Если $A>0$ - это говорит о влиянии на центральный момент 3-го порядка $M_3$ отрицательных отклонений и форма кривой принимает вид: { пологая слева } кривая сама асимметрична
2) Если $A>0$ - преобладает влияние положительных отклонений и кривая полога справа.
Опр Эксцессом $E$ называется величина $ E=M_4 /\sigma _x^4 -3 $
Можно показать, что для наиболее распространённого в природе нормального распределения $M_4 /\sigma _x^4 =3$ т.е. эксцесс равен 0. Если $E>0$ { эксцесс $>0$ } , то кривая более острая, если $E>0$, то более пологая.
Инструмент для тех, кто проверяет расчёты руками
✍ Если вам регулярно приходится верифицировать ручные интегралы, строить эпюры для КМ/КМД или перепроверять закрытые «чёрные ящики» коммерческих САПР, загляните в мой открытый проект:
Читайте также:
Основные формулы теории вероятности
Доверительный интервал: определение и методы построения
Методы нахождения оценок: теория и практическое применение
Проверка гипотезы о показательном распределении: методы и критерии
Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения
Теоретические и эмпирические моменты: сравнение и применение в статистическом анализе
Статистические оценки параметров распределения: методы и свойства
Выборочная функция распределения: построение и свойства
Группировка наблюдений
Эмпирическая функция распределения: определение и свойства
Элементы математической статистики: статистическое распределение выборки
Центральная предельная теорема Ляпунова: обобщение и условия применимости
Теоремы Чебышева и Бернулли: основы закона больших чисел
Закон больших чисел и неравенство Чебышева: теоретические основы и практическое значение
Показательное распределение: свойства и применение в моделировании времени ожидания
Оглавление $\Rightarrow $

