För att sammanfatta, i allmänhet om distributionen av data är sned åt vänster, är medelvärdet mindre än medianen, vilket ofta är mindre än läget. Om fördelningen av data är sned åt höger är läget ofta mindre än medianen, vilket är mindre än medelvärdet.
Varför påverkas medianen mindre av skev data?
Varför påverkas medianen mindre av skev data än medelvärdet? Men när data blir skev förlorar medelvärdet sin förmåga att tillhandahålla den bästa centrala platsen för data eftersom den skeva data drar bort den från det typiska värdet.
Varför är medianen bättre för skev data?
För distributioner som har extremvärden eller är skeva är medianen ofta det föredragna måttet på central tendens eftersom medianen är mer motståndskraftig mot extremvärden än medelvärdet… Observera att medelvärdet dras i skevhetens riktning (d.v.s. svansens riktning).
När det är skevt till höger betyder det median?
För en rätt skev fördelning, medelvärdet är vanligtvis större än medianen Lägg också märke till att fördelningens svans på höger sida (positiv) är längre än på vänster sida. Från box- och morrhårsdiagrammet kan vi också se att medianen är närmare den första kvartilen än den tredje kvartilen.
Hur påverkar skevhet data?
Effekter av skevhet
Om det finns för mycket skevhet i data, så fungerar inte många statistiska modeller men varför. Så i sned data kan svansregionen fungera som en extremvärde för den statistiska modellen och vi vet att extremvärden negativt påverkar modellens prestanda, särskilt regressionsbaserade modeller.
