Kurtosis adalah untuk mengukur puncak dan kerataan suatu distribusi. Fungsi kepadatan distribusi, jika ada, dapat dilihat sebagai kurva, dan memiliki fitur geometris (seperti kelengkungan, konveksitas, ...) terkait dengan bentuknya.
Jadi saya bertanya-tanya apakah kurtosis suatu distribusi berhubungan dengan beberapa fitur geometris dari fungsi kerapatan, yang dapat menjelaskan makna geometris kurtosis?
Jawaban:
Saat-saat distribusi terus menerus, dan fungsi-fungsi mereka seperti kurtosis, memberi tahu Anda sangat sedikit tentang grafik fungsi kepadatannya.
Pertimbangkan, misalnya, grafik berikut ini.
Masing-masing adalah grafik dari fungsi non-negatif yang dipadukan dengan : semuanya adalah PDF. Selain itu, mereka semua memiliki momen yang persis sama - setiap jumlah tak terbatas terakhir dari mereka. Dengan demikian mereka berbagi kurtosis yang umum (yang terjadi sama dengan - 3 + 3 e 2 + 2 e 3 + e 4 ).1 - 3 + 3 e2+ 2 e3+ e4
Rumus untuk fungsi-fungsi ini adalah
untuk - 1 ≤ s ≤ 1 , dan k ∈ Z .x > 0 , - 1 ≤ s ≤ 1 , k ∈ Z .
Angka tersebut menampilkan nilai di sebelah kiri dan nilai k di atas. Kolom sebelah kiri menunjukkan PDF untuk distribusi lognormal standar.s k
Latihan 6.21 dalam Teori Statistik Lanjutan Kendall (Stuart & Ord, edisi ke-5) meminta pembaca untuk menunjukkan bahwa semua ini memiliki momen yang sama.
Kita dapat memodifikasi pdf apa pun untuk membuat pdf lain dengan bentuk yang sangat berbeda tetapi dengan momen pusat kedua dan keempat yang sama (katakanlah), yang karenanya memiliki kurtosis yang sama. Dari contoh ini saja harus jelas bahwa kurtosis bukanlah ukuran simetri, unimodality, bimodality, bimodality, convexity, atau karakterisasi geometri kurva lainnya yang akrab.
Fungsi momen, oleh karena itu (dan kurtosis sebagai kasus khusus) tidak menggambarkan sifat geometris dari grafik pdf. Ini secara intuitif masuk akal: karena pdf mewakili probabilitas melalui area, kita hampir dapat dengan bebas menggeser kepadatan probabilitas di sekitar dari satu lokasi ke lokasi lain, secara radikal mengubah tampilan pdf, sambil memperbaiki jumlah saat tertentu yang ditentukan sebelumnya.
sumber
Untuk distribusi simetris (yaitu saat momen yang terpusat bermakna) kurtosis mengukur fitur geometris pdf yang mendasarinya. Tidak benar bahwa kurtosis mengukur (atau secara umum terkait) dengan puncak distribusi. Sebaliknya, kurtosis mengukur seberapa jauh distribusi yang mendasarinya tidak simetris dan bimodal (secara aljabar, distribusi simetris dan bimodal yang sempurna akan memiliki kurtosis 1, yang merupakan nilai terkecil yang mungkin dimiliki oleh kurtosis) [0].
Singkatnya [1], jika Anda mendefinisikan:
dengan , laluE(X)=μ,V(X)=σ2
untuk .Z=(X−μ)/σ
Ini menyiratkan bahwa dapat dilihat sebagai ukuran dispersi Z 2 di sekitar ekspektasinya 1. Dengan kata lain, jika Anda memiliki interpretasi geometri varian dan ekspektasi, maka kurtosis akan mengikuti.k Z2
[0] RB Darlington (1970). Apakah Kurtosis Sungguh "Memuncak?". Ahli Statistik Amerika, Vol. 24, No. 2.
[1] JJA Moors (1986). Arti Kurtosis: Darlington Diperiksa Ulang. Ahli Statistik Amerika, Volume 40, Edisi 4.
sumber
[NB ini ditulis sebagai jawaban atas pertanyaan lain di situs; jawabannya digabung dengan pertanyaan saat ini. Inilah sebabnya mengapa jawaban ini tampaknya menanggapi pertanyaan dengan kata yang berbeda. Namun banyak dari pos tersebut harus relevan di sini.]
Kurtosis tidak benar-benar mengukur bentuk distribusi. Dalam beberapa keluarga distribusi mungkin, Anda bisa mengatakan itu menggambarkan bentuk, tetapi lebih umum kurtosis tidak memberi tahu Anda banyak tentang bentuk sebenarnya. Bentuk dipengaruhi oleh banyak hal, termasuk hal-hal yang tidak terkait dengan kurtosis.
Jika seseorang mencari kurtosis, beberapa gambar seperti ini muncul:
yang nampaknya menunjukkan variasi yang berubah, bukannya meningkatkan kurtosis. Sebagai perbandingan, inilah tiga kepadatan normal yang baru saja saya gambar (menggunakan R) dengan standar deviasi yang berbeda:
Seperti yang Anda lihat, tampilannya hampir identik dengan gambar sebelumnya. Semua ini memiliki kurtosis yang persis sama. Sebaliknya, inilah contoh yang mungkin lebih dekat dengan tujuan diagram
Inilah yang biasanya orang maksudkan ketika mereka berbicara tentang kurtosis yang menunjukkan bentuk kepadatan. Namun, kurtosis bisa halus - tidak harus bekerja seperti itu.
Misalnya, pada varian tertentu, kurtosis yang lebih tinggi sebenarnya dapat terjadi dengan puncak yang lebih rendah.
Kita juga harus waspada terhadap godaan (dan dalam beberapa buku dinyatakan secara terbuka) bahwa nol kelebihan kurtosis menyiratkan normalitas. Ada distribusi dengan kurtosis 0 berlebih yang tidak seperti normal. Ini sebuah contoh:
Memang, itu juga menggambarkan poin sebelumnya. Saya dapat dengan mudah membangun distribusi yang tampak serupa dengan kurtosis lebih tinggi dari normal tetapi yang masih nol di pusat - tidak adanya puncak sama sekali.
Ada sejumlah posting di situs yang menggambarkan kurtosis lebih lanjut. Salah satu contohnya ada di sini .
sumber
Sunting 11/23/2018: Sejak menulis posting ini, saya telah mengembangkan beberapa perspektif geometris tentang kurtosis. Salah satunya adalah bahwa kelebihan kurtosis memang dapat divisualisasikan secara geometris dalam hal penyimpangan dari garis 45 derajat yang diharapkan di ekor plot normal-kuantil normal; lihat Apakah plot QQ ini menunjukkan distribusi leptokurtik atau platykurtik?
sumber
Jenis jawaban yang berbeda: Kita dapat menggambarkan kurtosis secara geometris, menggunakan ide dari http://www.quantdec.com/envstats/notes/class_06/properties.htm : momen grafis.
Berikut ini saya akan menunjukkan plot kurtosis grafis untuk beberapa distribusi simetris, semua berpusat pada nol dan diskalakan untuk memiliki varian 1.
Perhatikan tidak adanya kontribusi terhadap kurtosis dari pusat, yang menunjukkan bahwa kurtosis tidak ada hubungannya dengan "puncaknya".
sumber