Asymétrie

En théorie des probabilités et statistiques, le cœfficient de dissymétrie est un moment standardisé qui mesure l'asymétrie de la densité de probabilité d'une variable aléatoire définie sur les nombre réels.



Catégories :

Probabilités - Statistique descriptive - Statistiques

Recherche sur Google Images :


Source image : auriol.free.fr
Cette image est un résultat de recherche de Google Image. Elle est peut-être réduite par rapport à l'originale et/ou protégée par des droits d'auteur.

Page(s) en rapport avec ce sujet :

  • Le cœfficient d'asymétrie de Fisher (skewness). Outil banal la statistique descriptive, il s'agit du moment centré d'ordre 3, normalisé par le cube de ... (source : jybaudot)
  • Le cœfficient de Skewness mesure le degré d'asymétrie de la distribution. Si le cœfficient est égal à 0, la distribution est symétrique.... (source : fr.mimi)

En théorie des probabilités et statistiques, le cœfficient de dissymétrie (skewness en Anglais) est un moment standardisé qui mesure l'asymétrie de la densité de probabilité d'une variable aléatoire définie sur les nombre réels. En termes généraux, l'asymétrie d'une distribution est positive si la queue de droite (à valeurs hautes) est plus longue ou grosse, et négative si la queue de gauche (à valeurs basses) est plus longue ou grosse.

L'asymétrie est le troisième moment standardisé, se note γ1 et est calculé à partir du cube des écarts à la moyenne et mesure le manque de symétrie d'une distribution.

\gamma_1 = \frac{\mu_3}{\sigmaˆ3}, \!

μ3 est le troisième moment centré et σ est l'écart-type.

Skewness Statistics.svg

Moments

Article détaillé : moment (mathématiques) .

Les moments d'une variable aléatoire X permettent de caractériser sa distribution. On définit surtout le moment d'ordre r :

Le moment d'ordre r est l'espérance mathématique ou moyenne de la variable aléatoire Xr.

On définit aussi un moment centré µ comparé à la moyenne m d'une population. On nomme variance de la population le moment centré du second ordre. Selon Pearson, les quatre moments m, µ1, µ2 et µ4 suffisent à définir la majorité des distributions continues.

Estimateur non biaisé

La définition théorique γ1 du cœfficient d'asymétrie est une mesure biaisée de l'asymétrie de la population. Un estimateur non biaisé de l'asymétrie est donné par la formule :

G_1 = \frac n {(n-1)\,(n-2)} \; \sum_{i=1}ˆn \left( \frac {x_i - \bar{x}} \sigma \right) ˆ3

avec σ un estimateur non biaisé de la variance.

Recherche sur Amazone (livres) :



Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Asym%C3%A9trie_(statistique).
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 07/04/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.
Accueil Recherche Aller au contenuDébut page
ContactContact ImprimerImprimer liens d'évitement et raccourcis clavierAccessibilité
Aller au menu