Hayır başka türlü söylendi şüphe ama ortalama medyan yok değil simetriyi ima.=
Ortalama eksi ortancaya dayalı bir çarpıklık ölçüsü vardır (ikinci Pearson çarpıklığı), ancak dağılım simetrik olmadığı zaman (genel çarpıklık ölçütlerinden herhangi biri gibi) 0 olabilir.
Benzer şekilde, ortalama ve ortanca arasındaki ilişki mutlaka ortası ( ) ve ortanca arasında benzer bir ilişki anlamına gelmez . Karşıt eğriliği önerebilirler, diğeri ise medyanı eşitleyebilir.( Q1+ Q3) / 2
Simetriyi araştırmanın bir yolu simetri grafiği * üzerindendir.
Eğer en küçükten en büyüğe doğru sıralı gözlemler (düzen istatistikleri), ve M medyan, sonra bir simetri arsa Y ( n ) - M - M - Y ( 1 ) , Y ( n - 1 ) - M - M - Y ( 2 )Y( 1 ), Y( 2 ), . . . , Y( n )MY( n )- MM- Y( 1 )Y( n - 1 )- MM- Y( 2 ) , ... ve bunun gibi.
* Minitab bunları yapabilir . Aslında, bu arsayı bir olasılık olarak yükseltirim, çünkü onları Minitab'da gördüm.
İşte dört örnek:
Simetri çizimleri
(Gerçek dağılımlar (önce soldan sağa, ilk sırada) - Laplace, Gamma (şekil = 0.8), beta (2,2) ve beta (5,2). Kod Ross Ihaka’nın buradan )
Ağır kuyruklu simetrik örneklerle, en uç noktaların çizgiden çok uzakta olabileceği durum genellikle söz konusudur; Şekildeki sağ üste yakın olduğunuzdan bir veya iki nokta çizgisinden olan mesafeye daha az dikkat edersiniz.
Tabii ki, başka parseller de var (simetri grafiğinin o belirli bir avukatlık duygusundan değil, Minitab'da zaten uygulandığını biliyordum). Öyleyse bazılarını keşfedelim.
İşte Nick Cox'un yorumlarda önerdiği karşılık gelen şişler:
Çarpıklık arazileri
Bu grafiklerde, yukarı doğru bir eğilim, soldan daha tipik olarak daha ağır bir sağ kuyruğu belirtir ve aşağı doğru bir eğilim, sağdan daha tipik bir sol kuyruğu belirtirken simetri, nispeten düz (belki de oldukça gürültülü) bir komplo tarafından önerilir.
Nick, bu komploun daha iyi olduğunu öne sürüyor (özellikle "daha doğrudan"). Kabul etmeye meyilliyim; Sonuç olarak, arsanın yorumlanması sonuçta biraz daha kolay gözükse de, karşılık gelen grafiklerdeki bilgiler genellikle oldukça benzerdir (ünite eğimini ilk sette çıkardıktan sonra, ikinci sette olduğu gibi bir şey elde edersiniz).
[Tabii ki, bunların hiçbiri bize verilerin toplandığı dağılımın aslında simetrik olmadığını söyleyemez; numunenin ne kadar simetrik olduğuna dair bir gösterge alıyoruz ve bu ölçüde verinin simetrik bir popülasyondan alınma ile makul bir şekilde tutarlı olup olmadığını yargılayabiliriz.]