구문 Show
설명예제
예제
예제
예제
예제
예제모두 축소 행렬의 왜도 구하기결과 재현이 가능하도록 난수 시드값을 설정합니다. 5개의 행과 4개의 열로 구성된 행렬을 생성합니다. X = 5×4
0.5377 -1.3077 -1.3499 -0.2050
1.8339 -0.4336 3.0349 -0.1241
-2.2588 0.3426 0.7254 1.4897
0.8622 3.5784 -0.0631 1.4090
0.3188 2.7694 0.7147 1.4172
y = 1×4
-0.9362 0.2333 0.4363 -0.4075
표본 왜도의 편향 수정하기입력 벡터에 대해, 결과 재현이 가능하도록 난수 시드값을 설정합니다. 길이가 10인 벡터를 생성합니다. x = 10×1
0.5377
1.8339
-2.2588
0.8622
0.3188
-1.3077
-0.4336
0.3426
3.5784
2.7694
y1 = skewness(x) % flag is 1 by default
주어진 차원을 따라 왜도 구하기다차원 배열에 대해 서로 다른 차원을 따라 왜도를 구합니다. 결과 재현이 가능하도록 난수 시드값을 설정합니다. 난수로 구성된 4×3×2 배열을 생성합니다. X = X(:,:,1) = 0.5377 0.3188 3.5784 1.8339 -1.3077 2.7694 -2.2588 -0.4336 -1.3499 0.8622 0.3426 3.0349 X(:,:,2) = 0.7254 -0.1241 0.6715 -0.0631 1.4897 -1.2075 0.7147 1.4090 0.7172 -0.2050 1.4172 1.6302 디폴트 차원을 따라 Y1 = Y1(:,:,1) = -0.8084 -0.5578 -1.0772 Y1(:,:,2) = -0.0403 -1.1472 -0.6632 기본적으로 skewness는 크기가 1이 아닌 두 번째 차원을 따라 Y2 = Y2(:,:,1) = 0.6956 -0.5575 0.0049 0.6033 Y2(:,:,2) = -0.6969 0.1828 0.7071 -0.6714
세 번째 차원을 따라 Y3 = 4×3
10-15 ×
0 0.1597 0.5062
0.1952 0 0
0 -0.2130 0
0.3654 0 0.4807
차원의 벡터를 따라 왜도 구하기
결과 재현이 가능하도록 난수 시드값을 설정합니다. 난수로 구성된 4×3×2 배열을 생성합니다. X = X(:,:,1) = 0.5377 0.3188 3.5784 1.8339 -1.3077 2.7694 -2.2588 -0.4336 -1.3499 0.8622 0.3426 3.0349 X(:,:,2) = 0.7254 -0.1241 0.6715 -0.0631 1.4897 -1.2075 0.7147 1.4090 0.7172 -0.2050 1.4172 1.6302
yall = skewness(X,1,'all')
첫 번째 차원과 두 번째 차원을 지정하여 ypage = skewness(X,1,[1 2]) ypage = ypage(:,:,1) = 0.1070 ypage(:,:,2) = -0.6263 예를 들어, 첫 번째 차원과 세 번째 차원을 지정하여 각 ycol = skewness(X,1,[1 3]) ycol = 1×3
-1.0755 -0.3108 -0.2209
예를 들어, 입력 인수모두 축소 X — 입력 데이터 벡터 | 행렬 | 다차원 배열모집단의 하나의 표본을 나타내는 입력 데이터로, 벡터, 행렬 또는 다차원 배열로 지정됩니다.
데이터형: flag — 편향을 나타내는 표시자 1 (디폴트 값) | 0편향을 나타내는 표시자로,
데이터형: dim — 차원 양의 정수연산을 수행할 차원으로, 양의 정수로 지정됩니다. 행렬
데이터형: vecdim — 차원의 벡터 양의 정수 벡터차원의 벡터로, 양의 정수 벡터로 지정됩니다. 예를 들어, 데이터형: 출력 인수모두 축소 y — 왜도 스칼라 | 벡터 | 행렬 | 다차원 배열왜도로, 스칼라, 벡터, 행렬 또는 다차원 배열로 반환됩니다. 알고리즘왜도(Skewness)는 표본평균을 기준으로 데이터의 비대칭성을 측정한 값입니다. 왜도가 음수이면 데이터가 평균의 오른쪽보다 왼쪽으로 더 분산됩니다. 왜도가 양수이면 데이터가 오른쪽으로 더 분산됩니다. 정규분포(또는 완벽한 대칭 분포)의 왜도는 0입니다. 분포의 왜도는 다음과 같이 정의됩니다. 여기서 µ는 x의 평균이고, σ는 x의 표준편차이고, E(t)는 수량 t에 대한 기대값을
나타냅니다.
이 편향 수정 식을 사용하려면 확장 기능tall형 배열 메모리에 담을 수 없을 정도로 많은 행을 가진 배열을 계산할 수 있습니다.이 함수는 tall형 배열을 완전히 지원합니다. 자세한 내용은 tall형 배열 항목을 참조하십시오. C/C++ 코드 생성 MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.사용법 관련 참고 및 제한 사항:
코드 생성에 대한 자세한 내용은 Introduction to Code Generation 항목 및 General Code Generation Workflow 항목을 참조하십시오. 스레드 기반 환경 MATLAB®의 backgroundPool을 사용해 백그라운드에서 코드를 실행하거나 Parallel Computing Toolbox™의 ThreadPool을 사용해 코드 실행 속도를 높일 수 있습니다.이 함수는 스레드 기반 환경을 완전히 지원합니다. 자세한 내용은 스레드 기반 환경에서 MATLAB 함수 실행하기 항목을 참조하십시오. GPU 배열 Parallel Computing Toolbox™를 사용해 GPU(그래픽스 처리 장치)에서 실행하여 코드 실행 속도를 높일 수 있습니다.사용법 관련 참고 및 제한 사항:
자세한 내용은 GPU에서 MATLAB 함수 실행하기 (Parallel Computing Toolbox) 항목을 참조하십시오. 왜도 첨도 값?첨도는 그래프의 뾰족함을 나타냅니다. 첨도의 수치가 낮을수록 그래프가 완만한 모양을 가집니다. Kline(2005)은 왜도의 기준을 절대값 3을 초과하지 않고, 첨도는 절대값 8또는 10을 초과하지 않으면 정규분포로 볼 수 있다고 제시하였습니다.
왜도 판단 기준?왜도(skewness)는 자료의 분포모양이 어느 쪽으로 얼마만큼 기울어져 있는가를 나타내며 일반적으로 왜도의 절대값이 1보다 큰 경우에는 정규분포에서 벗어난 것으로 판단하시면 됩니다. 결론은 절대값 1을 기준으로 판단을 하시면 됩니다.
왜도의 의미?확률 이론 및 통계학에서 비대칭도(非對稱度, skewness) 또는 왜도(歪度)는 실수 값 확률 변수의 확률 분포 비대칭성을 나타내는 지표이다. 왜도의 값은 양수나 음수가 될 수 있으며 정의되지 않을 수도 있다.
왜도 첨도 란?정규분포, T분포와 같이 대칭인 분포의 경우 왜도가 0이다. 카이제곱분포와 같이 오른쪽으로 긴 꼬리를 가진 경우(skewed to the right) 왜도는 양수이다. 첨도는 분포의 꼬리부분의 길이와 중앙부분의 뾰족함에 대한 정보를 제공하는 통계량이다.
|