Coeficiente de assimetria de pearson no excel (passo a passo)

Desenvolvido pelo bioestatístico Karl Pearson , o coeficiente de assimetria de Pearson é uma forma de medir a assimetria em um conjunto de dados amostrais.

Na verdade, existem dois métodos que podem ser usados para calcular o coeficiente de assimetria de Pearson:

Método 1: modo de uso

Skewness = (Média – Modo) / Desvio padrão da amostra

Método 2: usando a mediana

Assimetria = 3 (Média – Mediana) / Desvio padrão da amostra

Em geral, o segundo método é preferido porque a moda nem sempre é uma boa indicação de onde está o valor “central” de um conjunto de dados e pode haver mais de uma moda em um conjunto de dados fornecido.

O exemplo passo a passo a seguir mostra como calcular ambas as versões do coeficiente de assimetria de Pearson para um determinado conjunto de dados no Excel.

Etapa 1: crie o conjunto de dados

Primeiro, vamos criar o seguinte conjunto de dados no Excel:

Etapa 2: Calcular o coeficiente de assimetria de Pearson (usando o modo)

Então podemos usar a seguinte fórmula para calcular o coeficiente de assimetria de Pearson usando a moda:

A assimetria acabou sendo 1,295 .

Etapa 3: Calcule o coeficiente de assimetria de Pearson (usando a mediana)

Também podemos usar a seguinte fórmula para calcular o coeficiente de assimetria de Pearson usando a mediana:

A assimetria acaba sendo 0,569 .

Como interpretar a assimetria

Interpretamos o coeficiente de assimetria de Pearson das seguintes maneiras:

• Um valor de 0 indica nenhuma assimetria. Se criássemos um histograma para visualizar a distribuição dos valores em um conjunto de dados, ele seria perfeitamente simétrico.
• Um valor positivo indica uma inclinação positiva ou inclinação “direita”. Um histograma revelaria uma “cauda” no lado direito da distribuição.
• Um valor negativo indica uma inclinação negativa ou inclinação “esquerda”. Um histograma revelaria uma “cauda” no lado esquerdo da distribuição.

Em nosso exemplo anterior, a assimetria foi positiva, indicando que a distribuição dos valores dos dados foi positivamente distorcida ou “correta”.

Recursos adicionais

Confira este artigo para obter uma boa explicação sobre distribuições distorcidas à esquerda e à direita.