→ / Miary i rozkłady
Kurtoza
Czym jest kurtoza
Kurtoza to miara kształtu rozkładu, która opisuje grubość ogonów i wysmukłość wierzchołka. Odpowiada na pytanie: czy dane skupiają się ciasno wokół średniej, czy rozciągają w skrajne wartości?
W statystyce funkcjonują dwie konwencje:
- Kurtoza surowa (Pearsona) — dla rozkładu normalnego wynosi 3.
- Kurtoza nadmiarowa (excess kurtosis) = kurtoza surowa − 3. Dla rozkładu normalnego wynosi 0. Ta konwencja jest domyślna w większości pakietów statystycznych (R, SPSS, Python/scipy).
Jeśli oprogramowanie nie precyzuje, którą konwencję stosuje, sprawdź wynik dla zmiennej o rozkładzie normalnym — wartość 0 wskazuje na kurtozę nadmiarową, wartość 3 na kurtozę Pearsona.
Wyróżniamy trzy typy rozkładów:
- Mezokurtyczny (kurtoza nadmiarowa ≈ 0) — kształt zbliżony do normalnego.
- Leptokurtyczny (kurtoza nadmiarowa > 0) — szczyt ostry, ogony grube; więcej wartości skrajnych niż w rozkładzie normalnym.
- Platykurtyczny (kurtoza nadmiarowa < 0) — szczyt płaski, ogony cienkie; dane bardziej równomiernie rozłożone.
Kiedy używać
Kurtozę sprawdzasz, gdy:
- weryfikujesz założenie normalności przed testem t, ANOVA lub regresją — duże odchylenia od 0 to sygnał ostrzegawczy;
- analizujesz ryzyko w finansach, psychologii klinicznej lub naukach inżynieryjnych, gdzie wartości ekstremalne mają szczególne znaczenie;
- opisujesz kształt rozkładu obok skośności w sekcji statystyk opisowych pracy magisterskiej lub doktorskiej.
Jak interpretować
Poniższe progi są powszechnie stosowane jako orientacyjna wskazówka — traktuj je jako konwencję, nie twarde kryterium. Różne podręczniki podają różne wartości graniczne.
| Kurtoza nadmiarowa | Interpretacja |
|---|---|
| −1 do +1 | Bliska normalnej — bezpieczna strefa dla większości testów parametrycznych |
| +1 do +2 lub −1 do −2 | Umiarkowane odchylenie — warto odnotować, zwykle nie dyskwalifikuje |
| > +2 lub < −2 | Istotne odchylenie — rozważ testy nieparametryczne lub transformację danych |
Wielu autorów podaje zakres |kurtoza nadmiarowa| < 2 jako orientacyjną normę dopuszczalności dla testów parametrycznych, ale np. Hair i wsp. dopuszczają |kurtoza| < 7. Zawsze powołaj się na konkretne źródło w pracy.
Przykład
Badasz wyniki testu lękowego (skala 0–100) w grupie n = 200 studentów. Pakiet R zwraca:
- kurtoza nadmiarowa = +3,8
To rozkład leptokurtyczny: większość studentów uzyskała wyniki blisko średniej (np. 45 pkt), ale kilkanaście osób osiągnęło wyniki skrajnie niskie i skrajnie wysokie, tworząc grube ogony po obu stronach rozkładu. Przed użyciem testu t warto sprawdzić, czy te skrajne wartości to błędy pomiarowe, czy realne przypadki wysokiego lęku.
Gdyby kurtoza nadmiarowa wyniosła −1,2, rozkład byłby platykurtyczny: wyniki bardziej równomiernie rozłożone, bez wyraźnego szczytu.
Typowe błędy
- Mylenie kurtozy ze skośnością — skośność opisuje asymetrię kierunkową (przesunięcie w lewo/prawo), kurtoza opisuje grubość ogonów. Rozkład może być symetryczny i jednocześnie silnie leptokurtyczny.
- Nieuwzględnienie konwencji — raportowanie wartości 3 jako „kurtoza normalna” jest błędem, jeśli oprogramowanie podaje kurtozę nadmiarową. Zawsze sprawdź, co dokładnie zwraca program.
- Nadinterpretacja małych próbek — przy n < 50 estymator kurtozy jest bardzo niestabilny; nie wyciągaj mocnych wniosków z małych odchyleń od 0.
- Ignorowanie kurtozy przy ocenie normalności — raportowanie tylko skośności to niepełna diagnoza; kurtoza i skośność razem dają pełniejszy obraz.
Chcesz sprawdzić założenia normalności w swojej pracy?
Pomogę ocenić kurtozę, skośność i wyniki testów formalnych (Shapiro-Wilk, Kolmogorov-Smirnov) oraz zdecyduję, które podejście analityczne będzie najbezpieczniejsze dla Twoich danych. Zobacz usługi →
▶ / Pobaw się