Statistik sering bergantung pada sampel, bukan seluruh populasi. Misalnya, mengukur rata-rata nilai siswa kelas 12 di seluruh India akan tidak praktis, sehingga analis mengambil sampel yang representatif terhadap populasi dan bebas dari bias sistematis. Memilih hanya siswa berprestasi tinggi, misalnya, akan menggelembungkan rata-rata dan menyajikan nilai sebenarnya secara keliru.
Hal ini memunculkan pertanyaan umum: mengapa varians sampel dibagi dengan (n − 1), bukan n? Jawabannya terletak pada fakta bahwa jumlah simpangan dari rata-rata sampel selalu sama dengan nol. Artinya, hanya (n − 1) simpangan yang dapat bervariasi secara independen, batasan yang dikenal sebagai derajat kebebasan. Karena rata-rata sampel menggantikan rata-rata populasi yang sebenarnya, membagi dengan n akan secara sistematis meremehkan varians. Membagi dengan (n − 1) mengoreksi bias ini dan menghasilkan estimasi tak bias dari varians populasi.
Dasar-dasar ini penting untuk statistik tingkat lanjut. Kemiringan dan kurtosis adalah ukuran bentuk distribusi, dan untuk memahami rumusnya, perlu dipahami terlebih dahulu bagaimana perhitungan populasi dan sampel berbeda. Artikel ini membangun dari dasar tersebut menuju momen, yaitu blok penyusun yang digunakan untuk menggambarkan bentuk distribusi.
Pembahasan kemudian beralih ke penggunaan praktis, menunjukkan bagaimana kemiringan dan kurtosis menggambarkan asimetri dan bobot ekor data. Ukuran-ukuran ini membantu praktisi memeriksa asumsi, mendeteksi pencilan, dan menyiapkan fitur sebelum menerapkan model pembelajaran mesin, sehingga nilainya melampaui ruang kelas.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing