Асимметрия распределения

Асимметрия распределения — это числовая характеристика формы распределения вероятностей или эмпирического распределения, показывающая степень его несимметричности относительно центра (обычно математического ожидания или медианы). В статистике асимметрия является одной из ключевых мер формы наряду с эксцессом. Положительная асимметрия указывает на то, что «хвост» распределения вытянут вправо (в сторону больших значений), а отрицательная — влево (в сторону меньших значений). Для симметричных распределений, таких как нормальное распределение, асимметрия равна нулю.

Определение и математическая формулировка

В теории вероятностей асимметрия (коэффициент асимметрии) случайной величины \(X\) с математическим ожиданием \(\mu\) и стандартным отклонением \(\sigma\) определяется как третий стандартизированный момент:

\[ \gamma_1 = \mathbb{E}\left[\left(\frac{X-\mu}{\sigma}\right)^3\right] = \frac{\mu_3}{\sigma^3}, \]

где \(\mu_3 = \mathbb{E}[(X-\mu)^3]\) — третий центральный момент. Для выборочных данных (эмпирическое распределение) используется выборочный коэффициент асимметрии, который может быть вычислен по формуле:

\[ g_1 = \frac{1}{n} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^3, \]

где \(\bar{x}\) — выборочное среднее, \(s\) — выборочное стандартное отклонение, \(n\) — объём выборки. Для малых выборок часто применяют поправку на смещение (например, формулу Фишера-Пирсона).

Интерпретация значений

Асимметрия может принимать любые действительные значения. Интерпретация её величины зависит от контекста, но существуют общепринятые ориентиры:

• Нулевая асимметрия (\(\gamma_1 = 0\)): распределение симметрично относительно центра. Примеры: нормальное распределение, распределение Лапласа, распределение Коши (при условии существования моментов).
• Положительная асимметрия (\(\gamma_1 > 0\)): правый хвост распределения длиннее левого. Мода (наиболее частое значение) смещена влево относительно среднего. Примеры: распределение Парето, логнормальное распределение, распределение хи-квадрат с малым числом степеней свободы. В таких распределениях большинство значений сосредоточено слева, а редкие очень большие значения вытягивают хвост вправо.
• Отрицательная асимметрия (\(\gamma_1 < 0\)): левый хвост распределения длиннее правого. Мода смещена вправо относительно среднего. Примеры: распределение экстремальных значений (Гумбеля) для минимумов, некоторые распределения времени жизни. Большинство значений сосредоточено справа, а редкие очень малые значения вытягивают хвост влево.

Важно: асимметрия может быть неопределённой (бесконечной) для распределений с тяжёлыми хвостами, у которых не существует третьего момента (например, распределение Коши).

Виды асимметрии

В статистике различают несколько типов асимметрии в зависимости от способа измерения и контекста:

• Моментная асимметрия — классическая мера, основанная на третьем центральном моменте. Наиболее распространённый вид.
• Медианная асимметрия — основана на соотношении медианы, моды и среднего. Для унимодальных распределений: если мода < медиана < среднее — асимметрия положительна; если среднее < медиана < мода — отрицательна. Показатель Пирсона: \( \text{Sk} = \frac{3(\mu - \text{Me})}{\sigma} \), где \(\text{Me}\) — медиана.
• Квантильная асимметрия — оценивается по разности между квантилями. Например, коэффициент Гальтона: \( \frac{Q_3 + Q_1 - 2\text{Me}}{Q_3 - Q_1} \), где \(Q_1\) и \(Q_3\) — первый и третий квартили.
• Асимметрия по Боули — использует квартили и не требует вычисления моментов, устойчива к выбросам.

Свойства и ограничения

• Асимметрия инвариантна к линейным преобразованиям с положительным коэффициентом масштаба: \(\gamma_1(aX + b) = \gamma_1(X)\) для \(a > 0\). При \(a < 0\) знак асимметрии меняется на противоположный.
• Для выборок малого объёма (менее 30–50 наблюдений) выборочная асимметрия может быть сильно смещена и ненадёжна.
• Наличие выбросов может существенно искажать оценку асимметрии, особенно моментной.
• Асимметрия не является единственной характеристикой формы: распределения с одинаковой асимметрией могут иметь разный эксцесс (степень «островершинности»).

Применение

Асимметрия распределения широко используется в различных областях:

• Финансовая математика и риск-менеджмент: оценка асимметрии доходностей активов. Положительная асимметрия означает, что вероятность экстремально высоких доходов выше, чем экстремально низких (желательное свойство для инвестора). Отрицательная асимметрия (например, у опционов «вне денег») указывает на повышенный риск убытков.
• Эконометрика: проверка нормальности остатков регрессионных моделей (совместно с эксцессом в тесте Харке—Бера). Асимметрия, отличная от нуля, может указывать на нелинейность или пропущенные переменные.
• Медицина и биология: анализ распределения физиологических показателей (например, время реакции, уровень гормонов). Многие биологические показатели имеют логнормальное распределение с положительной асимметрией.
• Контроль качества: оценка симметричности распределения отклонений размеров деталей. Несимметричность может указывать на систематическую ошибку технологического процесса.
• Социология и психология: анализ распределения ответов в опросах (например, шкалы Лайкерта часто дают отрицательную асимметрию — «потолок» ответов).
• Геофизика и гидрология: анализ распределения осадков, уровней воды, землетрясений — часто имеют положительную асимметрию.

Примеры распределений с различной асимметрией

Критика и альтернативы

Основной недостаток моментной асимметрии — её чувствительность к выбросам и зависимость от существования третьего момента. Для распределений с тяжёлыми хвостами (например, распределение Коши) третий момент не существует, и асимметрия становится бесконечной или неопределённой. В таких случаях предпочтительны робастные меры, такие как квантильная асимметрия или асимметрия по Боули.

Кроме того, асимметрия не даёт полной информации о форме распределения. Например, два распределения могут иметь одинаковую асимметрию, но разную форму хвостов (что отражается эксцессом). Поэтому асимметрию всегда следует рассматривать в совокупности с другими статистическими характеристиками.

Источники

1. Кендалл М. Дж., Стюарт А. Теория распределений. — М.: Наука, 1966.
2. Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.
3. Харке Д. В. Общая теория статистики. — М.: Финансы и статистика, 2003.
4. Johnson N. L., Kotz S., Balakrishnan N. Continuous Univariate Distributions. Vol. 1–2. — Wiley, 1994.
5. Pearson K. Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homogeneous Material // Philosophical Transactions of the Royal Society of London. A. — 1895. — Vol. 186. — P. 343–414.