muotijakauma

Muotijakauma kuvaa, millainen muoto jakauma jakaantuneen satunnaismuuttujan tai aineiston ympärillä on. Siinä kiinnitetään huomiota siihen, onko jakauma symmetrinen vai vinoutunut, sekä onko se yksihuippuinen vai monihuippuinen. Muodon käsite liittyy lähelle datan kohdistumaa, jakauman pituutta ja tappioita, ei pelkästään keskiarvoa tai hajontaa.

Muodon keskeisiä mittareita ovat skewness (rahottavuus vinoutuminen) ja kurtosis (huipun terävyys tai korkeustaso). Skewness kuvaa sitä, onko jakauma oikealle vai vasemmalle vinoutunut. Kurtosis kertoo, kuinka terävä tai litteä jakauma on verrattuna normaalijakaumaan. Lisäksi moduulisuus eli onko jakauma yksimoduolinen vai monimoduolinen. Visuaalisesti muotoa hahmotetaan histogr:amin, tiheyskäyrien tai Q-Q-plottien avulla.

Muotijakaumaa käytetään tilastollisessa mallinnuksessa: jos data ei noudata normaalijakaumaa, voidaan valita toinen malli, kuten lognormaali, gamma, beta tai Weibull -jakauma. Muodon hallinta on tärkeää myös dataa muunnettaessa tai kun arvioidaan mallin soveltuvuutta ja ennusteiden luotettavuutta.

Muotijakauman tulkinnassa huomioidaan näiden piirteiden suuruus ja suunta sekä mahdollinen muuttujien mittausvirhe tai aineiston otoskoko. Yhteenvetona muotijakauma antaa kattavan kuvan siitä, miten dataa tai satunnaismuuttujaa luonnehtii sen muoto – ei pelkästään keskikohtaa tai hajontaa.