Platikurtik
Platykurtic
Tanım
Normal dağılıma kıyasla daha basık, zirve noktası daha sivri olmayan ve uç değerlerde (ekstremum) daha fazla gözlem barındıran olasılık dağılımı.
Örnek Vaka / Uygulama
Bir psikometri laboratuvarında geliştirilen yeni bir genel zeka (g faktörü) testinin standardizasyon aşamasında, puanların normal dağılım göstermesi beklenir. Ancak test, hem üstün zekalı çocukları hem de hafif zihinsel yetersizliği olan bireyleri aynı anda aşırı derecede ayırt edebilen çok geniş kapsamlı maddeler içerdiği için, orta seviye puanlar azalmış, uç noktalardaki (çok yüksek ve çok düşük) frekanslar artmıştır. Bu durum, veri setinin platikurtik bir karakteristikte olduğunu gösterir.
Derin Analiz
Olasılık kuramında ve çıkarımsal istatistikte basıklık (kurtosis), bir olasılık dağılımının merkezî eğilim etrafındaki sivrilik veya basıklık derecesini ve kuyruk kalınlığını nicelendiren dördüncü standart momenttir. Platikurtik bir dağılım, negatif aşırı basıklık değerine sahiptir (genellikle Pearson'ın basıklık katsayısı sıfırdan küçüktür). Bu tür dağılımlarda veriler ortalama etrafında normal dağılıma göre daha homojen veya yayvan bir kümelenme gösterir; ancak tepe noktası (mod/medyan) basıktır. Klinik ve davranışsal verilerde platikurtik dağılımlarla karşılaşmak, örneklemin heterojenliğine veya ölçüm aracının alt ve üst sınırlardaki hassasiyetine işaret edebilir. Parametrik testlerin (ANOVA, t-testi) varsayılan normallik eğrisinden sapma gösterdiği bu durumlarda, tip I ve tip II hata oranları etkilenebileceğinden sağlam (robust) istatistiksel yöntemlerin veya non-parametrik alternatiflerin değerlendirilmesi gerekebilir.
Etimoloji
Yunanca 'platys' (geniş, yassı) + 'kurtos' (kavisli, kubbeli) kelimelerinin birleşiminden türetilmiştir. İstatistik literatüründe dağılımın basıklık derecesini ifade etmek için Karl Pearson tarafından kazandırılmıştır.
Karıştırmayın
Keşfetmeye Devam Edin
Normal Dağılım
Normal Dağılım
Normal Distribution
Verilerin merkezi bir etrafta simetrik olarak yığıldığı, çan eğrisi formunu alan teorik sürekli olasılık dağılımı.
İncele