{"id":131,"date":"2023-08-05T03:15:53","date_gmt":"2023-08-05T03:15:53","guid":{"rendered":"https:\/\/statorials.org\/nl\/fisher-asymmetriecoefficient\/"},"modified":"2023-08-05T03:15:53","modified_gmt":"2023-08-05T03:15:53","slug":"fisher-asymmetriecoefficient","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/fisher-asymmetriecoefficient\/","title":{"rendered":"Fisher's asymmetrieco\u00ebffici\u00ebnt"},"content":{"rendered":"

In dit artikel wordt uitgelegd wat de scheefheidsco\u00ebffici\u00ebnt van Fisher is en waarvoor deze wordt gebruikt. Aan het einde van het artikel vindt u de formule voor de Fisher-asymmetrieco\u00ebffici\u00ebnt en bovendien kunt u de Fisher-asymmetrieco\u00ebffici\u00ebnt berekenen met de online calculator. <\/p>\n

<\/span> Wat is de asymmetrieco\u00ebffici\u00ebnt van Fisher?<\/span><\/h2>\n

In de statistieken is de scheefheidsco\u00ebffici\u00ebnt van Fisher<\/strong> een co\u00ebffici\u00ebnt die wordt gebruikt om de scheefheid van een verdeling te bepalen. Met andere woorden, de scheefheidsco\u00ebffici\u00ebnt van Fisher stelt ons in staat te weten of een kansverdeling positief asymmetrisch, negatief asymmetrisch of symmetrisch is. <\/p>\n

\u27a4<\/span> Zie:<\/strong> vormen van asymmetrie<\/a><\/div>\n

Hoewel er andere typen scheefheidsco\u00ebffici\u00ebnten bestaan, zoals de Pearson-co\u00ebffici\u00ebnt of de Bowley-co\u00ebffici\u00ebnt, wordt de Fisher-co\u00ebffici\u00ebnt het meest gebruikt om de scheefheid van een statistische gegevensset te berekenen.<\/p>\n

\ud83d\udc49 U kunt de onderstaande rekenmachine gebruiken om de Fisher’s scheefheidsco\u00ebffici\u00ebnt voor elke gegevensset te berekenen.<\/u> <\/p>\n

<\/span> Formule voor de asymmetrieco\u00ebffici\u00ebnt van Fisher<\/span><\/h2>\n

De scheefheidsco\u00ebffici\u00ebnt van Fisher is gelijk aan het derde moment rond het gemiddelde gedeeld door de standaarddeviatie van de steekproef. Daarom is de formule voor de asymmetrieco\u00ebffici\u00ebnt van Fisher<\/strong> :<\/p>\n<\/p>\n

\"\\displaystyle\\gamma_1=\\frac{\\mu_3}{\\sigma^3}\"<\/p>\n<\/p>\n

Op equivalente wijze kan een van de volgende twee formules worden gebruikt om de Fisher-co\u00ebffici\u00ebnt te berekenen:<\/p>\n<\/p>\n

\"\\displaystyle\\gamma_1=\\frac{\\displaystyle<\/p>\n<\/p>\n

\"\\displaystyle\\gamma_1=\\frac{\\operatorname{E}[X^3]<\/p>\n<\/p>\n

Goud<\/p>\n<\/p>\n

\"E\"<\/p>\n

Het is een wiskundige hoop<\/a> ,<\/p>\n

\"\\mu\"<\/p>\n

het rekenkundig gemiddelde<\/a> ,<\/p>\n

\"\\sigma\"<\/p>\n

de standaarddeviatie<\/a> en<\/p>\n

\"N\"<\/p>\n

het totale aantal gegevens.<\/p>\n

Aan de andere kant, als de gegevens gegroepeerd zijn, kunt u de volgende formule gebruiken:<\/p>\n<\/p>\n

\"\\displaystyle\\gamma_1=\\frac{\\displaystyle<\/p>\n<\/p>\n

waar in dit geval<\/p>\n<\/p>\n

\"x_i\"<\/p>\n

is het klassemerk en<\/p>\n

\"f_i\"<\/p>\n

de absolute frequentie van de cursus.<\/p>\n

Nadat de waarde ervan is berekend, is de interpretatie van de Fisher-asymmetrieco\u00ebffici\u00ebnt<\/strong> als volgt:<\/p>\n