Coefficiente di asimmetria di pearson in excel (passo dopo passo)

Sviluppato dal biostatistico Karl Pearson , il coefficiente di asimmetria di Pearson è un modo per misurare l’asimmetria in un set di dati campione.

In realtà esistono due metodi che possono essere utilizzati per calcolare il coefficiente di asimmetria di Pearson:

Metodo 1: modalità d’uso

Asimmetria = (Media – Modalità) / Deviazione standard del campione

Metodo 2: utilizzo della mediana

Asimmetria = 3 (media – mediana) / deviazione standard del campione

In generale, il secondo metodo è preferito perché la modalità non è sempre una buona indicazione di dove si trova il valore “centrale” di un set di dati e potrebbe esserci più di una modalità in un set di dati fornito.

Il seguente esempio passo passo mostra come calcolare entrambe le versioni del coefficiente di asimmetria Pearson per un determinato set di dati in Excel.

Passaggio 1: crea il set di dati

Innanzitutto, creiamo il seguente set di dati in Excel:

Passaggio 2: calcolare il coefficiente di asimmetria di Pearson (utilizzando la modalità)

Quindi possiamo utilizzare la seguente formula per calcolare il coefficiente di asimmetria di Pearson utilizzando la modalità:

L’asimmetria risulta essere 1.295 .

Passaggio 3: calcolare il coefficiente di asimmetria di Pearson (utilizzando la mediana)

Possiamo anche utilizzare la seguente formula per calcolare il coefficiente di asimmetria di Pearson utilizzando la mediana:

L’asimmetria risulta essere 0,569 .

Come interpretare l’asimmetria

Interpretiamo il coefficiente di asimmetria di Pearson nei seguenti modi:

• Un valore pari a 0 indica assenza di asimmetria. Se creassimo un istogramma per visualizzare la distribuzione dei valori in un set di dati, sarebbe perfettamente simmetrico.
• Un valore positivo indica un’inclinazione positiva o un’inclinazione “destra”. Un istogramma rivelerebbe una “coda” sul lato destro della distribuzione.
• Un valore negativo indica un’inclinazione negativa o un’inclinazione “sinistra”. Un istogramma rivelerebbe una “coda” sul lato sinistro della distribuzione.

Nel nostro esempio precedente, l’asimmetria era positiva, indicando che la distribuzione dei valori dei dati era positivamente distorta o “giusta”.

Risorse addizionali

Dai un’occhiata a questo articolo per una bella spiegazione delle distribuzioni distorte a sinistra e a destra.