Wölbung (Statistik)

Die Wölbung, Kyrtosis, Kurtosis oder auch Kurtose (griechisch κύρτωσις kýrtōsis „Krümmen“, „Wölben“) ist eine Maßzahl für die Steilheit bzw. „Spitzigkeit“ einer (eingipfligen) Wahrscheinlichkeitsfunktion, statistischen Dichtefunktion oder Häufigkeitsverteilung. Die Wölbung ist das standardisierte (zentrale) Moment 4. Ordnung. Verteilungen mit geringer Wölbung streuen relativ gleichmäßig; bei Verteilungen mit hoher Wölbung resultiert die Streuung mehr aus extremen, aber seltenen Ereignissen.

Der Exzess gibt die Differenz der Wölbung der betrachteten Funktion zur Wölbung der Dichtefunktion einer normalverteilten Zufallsgröße an.

Wölbung

Empirische Wölbung

Zur Berechnung der Wölbung einer empirischen Häufigkeitsverteilung $x_{1},\ldots ,x_{n}$ wird die folgende Formel benutzt:

$w={\frac {1}{n}}\sum _{i=1}^{n}\left({\frac {x_{i}-{\bar {x}}}{s}}\right)^{4}$

Damit die Wölbung unabhängig von der Maßeinheit der Variablen ist, werden die Beobachtungswerte $x_{i}$ mit Hilfe des arithmetischen Mittels ${\bar {x}}$ und der Standardabweichung $s$

$z_{i}={\frac {x_{i}-{\bar {x}}}{s}}$

standardisiert. Durch die Standardisierung gilt

${\bar {z}}={\frac {1}{n}}\sum _{i=1}^{n}z_{i}=0,\quad s_{z}^{2}={\frac {1}{n}}\sum _{i=1}^{n}z_{i}^{2}=1\quad {\text{und}}\quad w={\frac {1}{n}}\sum _{i=1}^{n}z_{i}^{4}.$

Die Wölbung kann nur nicht-negative Werte annehmen. Ein Wert $w<3$ deutet darauf, dass die standardisierten Beobachtungen $z_{i}$ nahe dem Mittelwert konzentriert sind, d. h. die Verteilung ist flachgipflig (siehe Bild), für $w>3$ ist die Verteilung im Vergleich zu einer Normalverteilung spitzgipflig.

Wölbung einer Zufallsvariable

Analog zur empirischen Wölbung einer Häufigkeitsverteilung ist die Wölbung bzw. Kurtosis der Dichtefunktion bzw. Wahrscheinlichkeitsfunktion einer Zufallsvariablen $X$ definiert als ihr auf die vierte Potenz der Standardabweichung $\sigma$ normiertes viertes zentrales Moment $\mu _{4}(X)$.

$\beta _{2}={\frac {\mu _{4}(X)}{\mu _{2}(X)^{2}}}={\frac {\mu _{4}(X)}{\sigma ^{4}(X)}}={\frac {\operatorname {E} [(X-\mu )^{4}]}{(\operatorname {E} [(X-\mu )^{2}])^{2}}}=\operatorname {E} \left[\left({\frac {X-\mu }{\sigma }}\right)^{4}\right]$

mit dem Erwartungswert $\mu =\operatorname {E} [X]$.

Als Darstellung mittels der Kumulanten $\kappa _{i}$ ergibt sich

$\beta _{2}={\frac {\kappa _{4}}{\kappa _{2}^{2}}}+3={\frac {\kappa _{4}}{\operatorname {Var} (X)^{2}}}+3$

Schätzung der Wölbung einer Grundgesamtheit

Zur Schätzung der unbekannten Wölbung $\omega$ einer Grundgesamtheit mittels Stichprobendaten $x_{1},\ldots ,x_{n}$ ($n$ ist der Stichprobenumfang) müssen der Erwartungswert und die Varianz aus der Stichprobe geschätzt werden, d. h. die theoretischen durch die empirischen Momente ersetzt werden. Um Erwartungswerttreue zu erreichen, sind zusätzliche Korrekturterme nötig, da durch die Schätzung von Erwartungswert und Varianz aus der Stichprobe Freiheitsgrade verloren gehen:

${\hat {\omega }}={\frac {n(n+1)}{(n-1)(n-2)(n-3)}}\sum _{i=1}^{n}\left({\frac {x_{i}-{\bar {x}}}{s}}\right)^{4}$

mit dem Stichprobenmittel ${\bar {x}}$ und der Stichprobenstandardabweichung $s$.

Exzess

Um das Ausmaß der Wölbung besser einschätzen zu können, wird sie mit der Wölbung einer Normalverteilung verglichen, für die $\beta _{2}=3$ gilt. Der Exzess (auch: Überkurtosis) ist daher definiert als

$\gamma =\operatorname {Exzess} =\beta _{2}-3$

Mittels der Kumulanten ergibt sich

$\gamma ={\frac {\kappa _{4}}{\operatorname {Var} (X)^{2}}}$

Nicht selten wird die Wölbung fälschlicherweise als Exzess bezeichnet.

Schätzung des Exzesses einer Grundgesamtheit

Zur Schätzung des unbekannten Exzesses $\gamma$ einer Grundgesamtheit mittels Stichprobendaten sind zusätzliche Korrekturterme nötig, da durch die Schätzung von Erwartungswert und Varianz aus der Stichprobe Freiheitsgrade verloren gehen:

${\hat {\gamma }}={\hat {\omega }}-{\frac {3(n-1)^{2}}{(n-2)(n-3)}}$

mit der geschätzten Wölbung ${\hat {\omega }}$ der Grundgesamtheit und dem Stichprobenumfang $n$.

Arten von Exzess

Verteilungen werden entsprechend ihrem Exzess eingeteilt in:

• $\mathrm {Exzess} =0$: normalgipflig oder mesokurtisch. Die Normalverteilung hat die Kurtosis $\beta _{2}=3$ und entsprechend den Exzess $0$.
• $\mathrm {Exzess} >0$: steilgipflig, supergaußförmig oder leptokurtisch. Es handelt sich hierbei um im Vergleich zur Normalverteilung spitzere Verteilungen, d. h. Verteilungen mit starken Peaks.
• $\mathrm {Exzess} <0$: flachgipflig, subgaußförmig oder platykurtisch. Man spricht von einer im Vergleich zur Normalverteilung abgeflachten Verteilung.

Siehe auch

• Schiefe (Statistik)
• Krümmungsradius