Коэффициент асимметрии

Коэффициент асимметрии — это числовая характеристика распределения случайной величины, показывающая степень отклонения этого распределения от симметричного относительно своего математического ожидания. В статистике и теории вероятностей коэффициент асимметрии (также называемый показателем асимметрии или скошенностью) является одним из ключевых моментов распределения наряду с дисперсией, эксцессом и средним значением. Он позволяет определить, является ли распределение симметричным, смещено ли оно влево или вправо, и оценить форму кривой плотности вероятности.

Определение и математическая формула

Коэффициент асимметрии \( \gamma_1 \) (или \( \text{Skewness} \)) для 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 выборки объёмом \( n \) выборочный коэффициент асимметрии вычисляется по формуле:

\[ g_1 = \frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^3 \cdot \frac{n}{(n-1)(n-2)} \cdot \frac{1}{s^3} \]

где \( \bar{x} \) — выборочное среднее, \( s \) — выборочное стандартное отклонение. Поправочный множитель \( \frac{n}{(n-1)(n-2)} \) используется для несмещённой оценки в малых выборках.

Интерпретация значений

Коэффициент асимметрии может принимать любые действительные значения. Его знак и величина указывают на направление и степень скошенности распределения:

• Нулевое значение (\( \gamma_1 = 0 \)): распределение симметрично относительно среднего. Примеры: нормальное распределение, распределение Стьюдента (с чётным числом степеней свободы), равномерное распределение.
• Положительная асимметрия (\( \gamma_1 > 0 \)): распределение имеет длинный «хвост» вправо. Большинство значений сосредоточено слева от среднего, а среднее арифметическое больше медианы. Такое распределение называют скошенным вправо или правосторонним. Примеры: логнормальное распределение, распределение Парето, распределение хи-квадрат с малым числом степеней свободы.
• Отрицательная асимметрия (\( \gamma_1 < 0 \)): распределение имеет длинный «хвост» влево. Большинство значений сосредоточено справа от среднего, а среднее арифметическое меньше медианы. Такое распределение называют скошенным влево или левосторонним. Примеры: распределение максимума нескольких случайных величин, некоторые бета-распределения.

Абсолютное значение коэффициента асимметрии указывает на степень скошенности. Принято считать, что:

• \( |\gamma_1| < 0.5 \) — слабая асимметрия (распределение близко к симметричному);
• \( 0.5 \leq |\gamma_1| < 1 \) — умеренная асимметрия;
• \( |\gamma_1| \geq 1 \) — сильная асимметрия.

Связь с другими характеристиками распределения

Медиана и мода

Для унимодальных распределений существует эмпирическое правило Пирсона: разность между средним и модой примерно в три раза превышает разность между средним и медианой. Это позволяет оценить асимметрию по формуле:

\[ \gamma_1 \approx \frac{3(\bar{x} - \text{Me})}{s} \]

где \( \text{Me} \) — медиана. При положительной асимметрии среднее больше медианы, при отрицательной — меньше.

Эксцесс

Коэффициент асимметрии и эксцесс (четвёртый стандартизированный момент) часто рассматриваются совместно для описания формы распределения. Для нормального распределения оба показателя равны нулю (эксцесс — после вычитания 3). Отклонения от нуля указывают на ненормальность данных, что важно в статистическом тестировании гипотез.

Выборочная оценка и её свойства

Оценка коэффициента асимметрии по выборке чувствительна к выбросам, так как использует кубы отклонений. Для надёжных оценок при наличии выбросов применяют робастные методы, например, основанные на квантилях (коэффициент асимметрии Боули — Юла):

\[ \gamma_{1,\text{robust}} = \frac{(Q_3 - Q_2) - (Q_2 - Q_1)}{Q_3 - Q_1} \]

где \( Q_1, Q_2, Q_3 \) — первый, второй (медиана) и третий квартили.

Стандартная ошибка выборочного коэффициента асимметрии для нормального распределения приближённо равна \( \sqrt{6/n} \), где \( n \) — объём выборки. Это позволяет проверять гипотезу о симметрии распределения.

Применение

Финансы и экономика

В финансах коэффициент асимметрии используется для оценки риска инвестиций. Положительная асимметрия доходности актива означает, что вероятность больших положительных отклонений выше, чем отрицательных, что считается благоприятным для инвестора. Отрицательная асимметрия, напротив, указывает на повышенный риск резких падений. Например, доходность опционов часто имеет выраженную асимметрию.

Статистический контроль качества

В производственных процессах асимметрия распределения параметров продукции может указывать на систематическое смещение настройки оборудования. Контрольные карты Шухарта для индивидуальных значений чувствительны к асимметрии, поэтому для несимметричных распределений применяют модифицированные методы.

Медицина и биология

Распределения биомедицинских показателей (например, концентрации веществ в крови, времени реакции) часто асимметричны. Коэффициент асимметрии помогает выбирать адекватные методы статистического анализа (например, логарифмическое преобразование для логнормальных данных) и интерпретировать результаты клинических исследований.

Обработка сигналов и изображений

В анализе сигналов асимметрия используется как признак для классификации форм волн, обнаружения аномалий и оценки нелинейных искажений. В обработке изображений коэффициент асимметрии гистограммы яркости может характеризовать освещение и контраст сцены.

Ограничения и критика

Коэффициент асимметрии, как и другие моментные характеристики, имеет ряд ограничений:

• Чувствительность к выбросам: одно экстремальное значение может сильно изменить оценку.
• Неопределённость для распределений с тяжёлыми хвостами: третий момент может быть бесконечным (например, для распределения Коши).
• Зависимость от масштаба: коэффициент асимметрии безразмерен, но его интерпретация может различаться для разных типов данных.
• Альтернативные меры: существуют другие показатели асимметрии, например, основанные на квантилях (коэффициент асимметрии Боули — Юла) или на функции распределения (коэффициент асимметрии Пирсона). Они могут быть более устойчивыми для ненормальных распределений.

Примеры

• Нормальное распределение: \( \gamma_1 = 0 \). Кривая плотности симметрична, среднее, медиана и мода совпадают.
• Экспоненциальное распределение: \( \gamma_1 = 2 \). Сильная положительная асимметрия, мода в нуле, среднее больше медианы.
• Распределение хи-квадрат с 1 степенью свободы: \( \gamma_1 = 2\sqrt{2} \approx 2.83 \). Очень сильная положительная асимметрия.
• Распределение Бернулли с вероятностью успеха \( p = 0.5 \): \( \gamma_1 = 0 \) (симметрично). При \( p = 0.1 \): \( \gamma_1 \approx 0.8 \) (положительная асимметрия).

Источники

• Кендалл М., Стюарт А. Теория распределений. — М.: Наука, 1966.
• Крамер Г. Математические методы статистики. — М.: Мир, 1975.
• Боровков А. А. Математическая статистика. — М.: Наука, 1984.
• Хьюбер П. Робастность в статистике. — М.: Мир, 1984.
• Joanes D.N., Gill C.A. Comparing measures of sample skewness and kurtosis // Journal of the Royal Statistical Society: Series D (The Statistician). — 1998. — Vol. 47, No. 1. — P. 183–189.