За да обобщим, обикновено ако разпределението на данните е изкривено наляво, средното е по-малко от медианата, което често е по-малко от режима. Ако разпределението на данните е изкривено вдясно, режимът често е по-малък от медианата, което е по-малко от средното.
Защо медианата е по-малко засегната от изкривените данни?
Защо медианата е по-малко засегната от изкривените данни, отколкото средната? Въпреки това, тъй като данните стават изкривени, средната стойност губи способността си да осигури най-доброто централно местоположение за данните, тъй като изкривените данни ги увличат от типичната стойност.
Защо медианата е по-добра за изкривени данни?
За дистрибуции, които имат отклонения или са изкривени, медианата често е предпочитаната мярка за централна тенденция, тъй като медианата е по-устойчива на отклонения от средната… Обърнете внимание, че средната стойност се изтегля в посоката на изкривяването (т.е. посоката на опашката).
Когато е изкривено надясно, средната стойност е средната?
За дясно изкривено разпределение, средната стойност обикновено е по-голяма от медианата Също така имайте предвид, че опашката на разпределението от дясната (положителна) страна е по-дълга, отколкото на лява страна. От диаграмата на кутията и мустаците можем също да видим, че медианата е по-близо до първия квартил, отколкото до третия квартил.
Как изкривяването влияе на данните?
Ефекти от неравномерност
Ако има твърде много изкривяване в данните, тогава много статистически модели не работят, но защо. Така че в изкривените данни, опашката може да действа като отклонение за статистическия модел и знаем, че отклоненията влияят неблагоприятно върху производителността на модела, особено на базираните на регресия модели.