O que é distribuição distorcida?

Uma distribuição distorcida refere -se a uma distribuição de probabilidade que é de natureza desigual e assimétrica. Ao contrário de uma distribuição normal padrão, que se assemelha a uma curva de sino em forma, as distribuições distorcidas são deslocadas para um lado, possuindo uma cauda mais longa em um lado em relação ao outro lado da mediana. O outro lado da curva possuirá um pico de valores em cluster, onde ocorre a maioria dos pontos de dados. Esse tipo de curva de distribuição é geralmente classificado como tendo uma inclinação positiva ou uma inclinação negativa, dependendo da direção da mudança da curva. Essa distribuição distorcida também é chamada de inclinação à direita, porque o lado direito possui a extensão mais ampla dos pontos de dados. As curvas de inclinação positivas possuem o maior número de valores em direção ao lado esquerdo da curva.As tribos possuem o máximo de dados do lado direito da curva. Essas curvas têm caudas mais longas nos lados esquerdos, então dizem que estão distorcidos para a esquerda. Uma regra importante para determinar a direção da inclinação é considerar o comprimento da cauda e não a localização da média ou mediana. Isso ocorre porque a inclinação é causada pelos valores mais distantes, que estendem a curva em direção a esse lado do gráfico.

Compreender as propriedades de uma distribuição distorcida é importante em muitas aplicações estatísticas. Muitas pessoas assumem que os dados seguem uma curva de sino, ou distribuição normal, então também assumem que um gráfico não tem assimetria. Essas suposições, no entanto, podem levá -las a interpretar mal informações sobre a distribuição real.

Uma distribuição distorcida é inerentemente desigual de natureza, para que não siga padrões normais padrão, como Devi padrãoação. As distribuições normais envolvem um desvio padrão que se aplica a ambos os lados da curva, mas as distribuições distorcidas terão diferentes valores de desvio padrão para cada lado da curva. Isso ocorre porque os dois lados não são imagens de espelho umas das outras; portanto, as equações que descrevem um lado não podem ser aplicadas ao outro. O valor de desvio padrão é geralmente maior para o lado com a cauda mais longa, porque há uma disseminação mais ampla de dados desse lado quando comparada à cauda mais curta.