Efter att ha tagit en undersökning eller samlat in numeriska data om en befolkning måste resultaten analyseras för att du ska kunna dra slutsatser. Du vill veta parametrar som genomsnittssvaret, hur varierade svaren var och hur svaren fördelas. En normalfördelning innebär att data, när de ritas in, skapar en klockkurva som är centrerad på det genomsnittliga svaret och svansar lika i både positiv och negativ riktning. Om data inte är centrerade på genomsnittet och en svans är längre än den andra, är fördelningen av data skev. Du kan beräkna mängden skevhet i data med hjälp av genomsnittet, standardavvikelsen och antalet datapunkter.
Lägg samman alla värden i datamängden och dela med antalet datapunkter för att få genomsnittet eller medelvärdet. För det här exemplet antar vi en datamängd som innehåller svar från en hel befolkning: 2, 4, 5, 7, 8, 10, 11, 25, 26, 27, 36. Denna uppsättning har ett medelvärde på 14,6.
Beräkna standardavvikelsen för datamängden genom att kvadrera skillnaden mellan varje datapunkt och medelvärdet, lägga samman alla dessa resultat, sedan dividera med antalet datapunkter och slutligen ta kvadraten rot. Vår datamängd har en standardavvikelse på 11.1.
Hitta skillnaden mellan varje datapunkt och medelvärdet, dela med standardavvikelsen, kubera det numret och lägg sedan till alla dessa siffror för varje datapunkt. Detta motsvarar 6,79.
Beräkna medelvärdet och standardavvikelsen från en datamängd som endast är ett urval av hela befolkningen. Vi kommer att använda samma datamängd som föregående exempel med medelvärde 14.6 och standardavvikelse 11.1, förutsatt att dessa siffror endast är ett urval av en större befolkning.
Hitta skillnaden mellan varje datapunkt och medelvärdet, kub det numret, lägg i varje resultat och dela sedan med kuben i standardavvikelsen. Detta motsvarar 5,89.
Beräkna provets snedhet genom att multiplicera 5,89 med antalet datapunkter, dividerat med antalet datapunkter minus 1 och delat igen med antalet datapunkter minus 2. Exempel skevhet för detta exempel skulle vara 0,720.