L'idée fausse de l'apogée du kurtosis

Vous découvrirez le contexte historique de l'aplatissement et comment sa signification a évolué au fil du temps, clarifiant ainsi les idées fausses sur le point culminant.

---

Introduction

Le kurtosis, dérivé du grec «kyrtos» signifiant « courbé » ou « arqué », est une mesure utilisée pour décrire la forme d'une distribution. Il se concentre sur les queues de distribution et renseigne sur la présence de valeurs extrêmes ou valeurs aberrantes. Traditionnellement, le kurtosis est associé à l'acuité, en référence à la forme du pic de la distribution. Cependant, cette notion doit être nuancée, car le kurtosis ne semble pas fournir d'informations pertinentes sur le pic. On considère souvent qu'une valeur de kurtosis élevée indique un pic plus aigu, et inversement, qu'une valeur faible suggère un pic plus aplati. Mais, comme nous le verrons, cette interprétation n'est pas tout à fait exacte.

---

Points forts

• Ni l'aplatissement petit ni l'aplatissement important ne fournissent d'informations utiles sur la forme du pic d'une distribution.
• Les distributions avec un aplatissement petit ou grand peuvent avoir différentes formes de pic, telles que plates, pointues ou bimodales.
• L'aplatissement est principalement déterminé par les queues d'une distribution plutôt que par son sommet.
• La relation entre l'aplatissement et le pic n'est pas valide et doit être écartée.

---

L'étude Kurtosis : un bref aperçu

Cette section présentera un aperçu de l'étude influente menée par Peter H. Westfall, intitulée «Kurtosis as Peakedness, 1905 – 2014. RIP“

L'article remet efficacement en question l'idée fausse de longue date selon laquelle l'aplatissement est une mesure du pic dans une distribution de probabilité.

L'auteur,Peter H. Westfall, statisticien et professeur de renom, a examiné le concept souvent mal compris de kurtosis. Grâce à son expertise dans ce domaine, il a pu apporter des éclairages précieux et dissiper l'idée reçue selon laquelle la kurtosis mesure l'aplatissement d'une courbe.

Objectif :L’objectif principal de l’étude de Westfall était de réfuter l’idée fausse selon laquelle le kurtosis serait lié à l’acuité d’une distribution de probabilité. L’article vise à démontrer que le kurtosis n’apporte aucune information utile sur la forme du pic d’une distribution et ne devrait pas être défini en termes d’acuité.

Méthodologie :Westfall a atteint cet objectif en analysant des distributions présentant différentes valeurs de kurtosis, notamment une kurtosis faible (κ = 2.4) et une kurtosis élevée (κ ≈ 6 000). Il a ensuite présenté des preuves convaincantes à travers des exemples de distributions ayant une kurtosis identique mais des pics très différents. Westfall a également établi des bornes supérieures pour la proportion de kurtosis déterminée par le centre des distributions générales, démontrant ainsi que la kurtosis est principalement déterminée par les queues de distribution.

---

Démystifier l’idée fausse du kurtosis

Inefficace comme mesure de l'acuité :Westfall a démontré, par des recherches approfondies, que le kurtosis ne constitue pas une mesure adéquate de l'acuité d'une distribution. Il a présenté divers exemples de distributions avec des valeurs de kurtosis identiques mais des pics significativement différents, démontrant ainsi que le kurtosis seul ne fournit pas d'information pertinente sur la forme du pic d'une distribution.

Valeurs de kurtosis faibles et élevées :Westfall a étudié l’influence des valeurs de kurtosis, faibles et élevées, sur la forme du pic d’une distribution. Il a fourni des exemples convaincants montrant que les valeurs de kurtosis faibles (κ = 2.4) et élevées (κ ≈ 6 000) ne révèlent rien sur la forme du pic de la distribution, qu’il soit plat, pointu ou bimodal.

---

Le véritable objectif du Kurtosis

Mesure du comportement des queues de distribution :Contrairement à une idée reçue répandue, le kurtosis mesure le comportement des queues de distribution d'une distribution de probabilité. Il indique l'épaisseur des queues par rapport à une distribution normale, fournissant ainsi des informations sur la propension de la distribution aux valeurs extrêmes ou aberrantes.

Comparaison de distributions :le kurtosis permet de comparer différentes distributions en fonction du comportement de leurs queues de distribution. L’analyse des valeurs de kurtosis aide les statisticiens à mieux comprendre les risques et les caractéristiques associés aux différentes distributions, ce qui est particulièrement utile dans les domaines de la finance et de la gestion des risques.

Identification des valeurs aberrantes :Le kurtosis, qui se concentre sur le comportement des queues de distribution, permet de détecter la présence de valeurs aberrantes dans un ensemble de données. Par exemple, les distributions présentant des valeurs de kurtosis élevées indiquent souvent une plus grande probabilité de valeurs extrêmes. À l’inverse, des valeurs de kurtosis faibles suggèrent un risque moindre de valeurs aberrantes.

Évaluation de la normalité :Bien que le kurtosis ne soit pas un test définitif de normalité, il peut servir d’outil complémentaire pour évaluer la normalité d’une distribution. Combiné à d’autres mesures statistiques comme l’asymétrie et le test de Shapiro-Wilk, le kurtosis peut fournir des informations supplémentaires sur la distribution sous-jacente d’un ensemble de données.

---

Conclusion

Tout en explorant son véritable objectif et ses applications, nous avons examiné de près l'idée fausse, mais répandue, selon laquelle le kurtosis serait une mesure de l'acuité d'une distribution. Les recherches de Westfall ont démontré que le kurtosis mesure le comportement des queues de distribution, offrant ainsi des informations précieuses sur la propension de la distribution aux valeurs extrêmes et aux valeurs aberrantes. En déconstruisant cette conception erronée, nous favorisons une meilleure compréhension du kurtosis et de ses implications pratiques dans divers domaines, tels que la finance, la gestion des risques et l'analyse des données. Une compréhension claire de la véritable fonction du kurtosis permet aux analystes et aux chercheurs de prendre des décisions plus éclairées lors de la construction de modèles statistiques et de la comparaison de différentes distributions. Il est essentiel de reconnaître les limites des définitions obsolètes et des idées fausses en statistiques. Adopter l'interprétation correcte du kurtosis comme mesure du comportement des queues de distribution contribue à la culture statistique et ouvre la voie à des applications plus précises et pratiques de ce concept important dans l'analyse des données et la prise de décision.

---

Articles recommandés

1. Kurtosis : au-delà du pic (Récit)
2. Quel test de normalité devriez-vous utiliser ?
3. L’écart type démystifié (Récit)
4. Test T vs test Z : principales différences (Récit)
5. Exploration des histogrammes asymétriques à droite dans l'analyse des données
6. Histogramme incliné à droite : dévoiler la vérité derrière les données asymétriques
7. Distributions asymétriques à gauche et à droite : comprendre l'asymétrie

---

Questions fréquentes