ForHosting KIT · Mathématiques

Asymétrie de Pearson par mode

Avec une moyenne de 12, un mode de 10 et un écart-type de 4, l'asymétrie de Pearson par le mode vaut 0,5 : la distribution penche à droite. Saisissez ces trois résumés, sans liste de données, et voyez l'écart entre la moyenne et le pic. Gratuit dans votre navigateur.

Gratuit
Fonctionne dans votre navigateur
Sans inscription
Vos données restent sur votre appareil

Lancer gratuitement Voir l’API

Utilisez-le depuis WebAPIE-mailTelegramApp bientôt

Exemple résolu

Si vous saisissez

Moyenne: 12
Mode de calcul: 10
Std: 4

Vous obtenez

Asymétrie: 0,5
Interprétation: right_skewed

Le premier coefficient d'asymétrie de Pearson, souvent appelé coefficient d'asymétrie par le mode, mesure l'écart entre la moyenne arithmétique et le mode en unités d'écart-type. La formule est simple et universelle : soustrayez le mode de la moyenne, puis divisez par sigma. Un résultat positif signifie que la moyenne est plus grande que le mode et que le gros de la distribution se trouve à gauche d'une queue droite plus longue. Un résultat négatif indique la forme opposée, asymétrique à gauche. Zéro signifie que moyenne et mode coïncident sous l'échelle de dispersion donnée. Ce calculateur n'accepte que ces trois nombres résumés —aucun échantillon brut n'est requis— afin que manuels, rapports et tableaux de bord qui publient déjà moyenne, mode et écart-type obtiennent un score d'asymétrie standardisé en une seule requête.

Ce que mesure l'asymétrie de Pearson par le mode et comment fonctionne la formule

Partez de trois nombres descriptifs que presque tout cours de statistiques présente dès les premières semaines : la moyenne arithmétique, point d'équilibre des données ; le mode, valeur la plus fréquente ou sommet d'une densité unimodale ; et l'écart-type, distance typique des observations à la moyenne. Le premier coefficient d'asymétrie de Pearson pose une seule question en unités standardisées : combien d'écarts-types séparent la moyenne du mode ? Algébriquement, Sk1 égale moyenne moins mode, le tout divisé par sigma.

Comme le dénominateur est une mesure d'échelle, le coefficient est sans unité et comparable entre variables mesurées dans des unités différentes —notes d'examen, temps d'attente, tranches de revenu ou lectures de capteurs. Lorsque la distribution est symétrique et unimodale, moyenne et mode coïncident (ou presque), donc Sk1 vaut zéro. Lorsqu'une longue queue droite tire la moyenne au-dessus du mode, Sk1 est positif et l'on parle d'asymétrie à droite ou d'asymétrie positive.

Lorsqu'une longue queue gauche tire la moyenne en dessous du mode, Sk1 est négatif. La magnitude se lit aisément : une valeur proche de un signifie que l'écart moyenne–mode est d'environ un écart-type, asymétrie substantielle pour la classe et les rapports. Ce point de terminaison n'estime ni moyenne, ni mode, ni sigma à partir d'une liste brute ; il fait confiance aux trois nombres que vous avez déjà calculés ou reçus dans l'énoncé, puis applique la division une seule fois.

La seule défaillance dure parmi des nombres bien formés est sigma égal à zéro : sans dispersion, il n'existe pas d'unité significative pour exprimer l'écart moyenne–mode, et le coefficient est indéfini.

Où un calculateur d'asymétrie de Pearson par le mode trouve son utilité

Les équipes métier et opérations stockent souvent déjà ces trois agrégats dans des tables de synthèse d'entrepôt pour catégories de produits, files d'attente ou délais, et veulent un score d'asymétrie standardisé sans recharger chaque événement brut. Les groupes qualité et surveillance de process comparent la forme entre lignes ou postes lorsque seules des statistiques agrégées sont conservées après archivage, et l'asymétrie fondée sur le mode est un pont pédagogique familier vers des mesures de forme plus avancées.

Les sites de contenu qui se positionnent sur le calculateur d'asymétrie de Pearson par le mode bénéficient d'un outil en direct dont le parcours gratuit coïncide octet pour octet avec l'automatisation payante sur le même module pur. Une validation échouée ne consomme pas le solde.

Si vous avez ensuite besoin d'asymétrie et de kurtosis d'échantillon sur une série brute, du second coefficient de Pearson par la médiane, ou de statistiques descriptives complètes par colonne CSV, traitez-les comme des intentions de recherche et des pages d'atterrissage distinctes plutôt que de surcharger cette page d'asymétrie par le mode.

Cas d’usage

Exercices d'asymétrie pour devoirs et examens

Les élèves saisissent moyenne, mode et écart-type d'un tableau du manuel et vérifient Sk1 = (mean − mode) / σ face au corrigé sans recalculer les agrégats à la main.

Forme de tableau de bord à partir de résumés stockés

Les équipes opérations et analytics scorent l'asymétrie droite ou gauche à partir de roll-ups d'entrepôt qui publient déjà moyenne, mode et sigma sans recharger le flux complet d'événements.

Correction automatique LMS et fiches de travail

Notez les items du premier coefficient de Pearson avec un oracle déterministe qui rejette l'écart-type nul et n'invente jamais un coefficient lorsque l'échelle est indéfinie.

Questions fréquentes

Qu'est-ce que le premier coefficient d'asymétrie de Pearson (par le mode) ?

C'est Sk1 = (mean − mode) / standard deviation. Des valeurs positives indiquent une asymétrie à droite (moyenne au-dessus du mode) ; négatives, à gauche ; zéro, moyenne et mode coïncident sous l'échelle donnée.

Que se passe-t-il si l'écart-type est zéro ?

L'asymétrie de Pearson par le mode divise par sigma, donc le coefficient est indéfini sans dispersion et l'appel n'est pas facturé.

Calcule-t-il l'asymétrie à partir d'une liste de données brutes ?

Non. Ce point de terminaison applique la formule de Pearson aux trois statistiques résumées que vous fournissez. Pour l'asymétrie et le kurtosis d'échantillon d'une série numérique, utilisez un calculateur de forme d'échantillon dédié.

Comment lire un résultat positif ou négatif ?

Positif, il indique une moyenne supérieure au mode et une longue traîne à droite ; négatif, la longue traîne se trouve à gauche. Un résultat nul signifie que moyenne et mode coïncident.

Pourquoi diviser par l'écart-type ?

Pour obtenir un nombre sans unité. Vous pouvez ainsi comparer la forme de variables mesurées différemment, comme des notes, des temps d'attente ou des tranches de revenus ; une valeur proche de 1 signale déjà une forte asymétrie.

Outils associés

Pour les développeurs — accès API

Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.

Endpoint

POSThttps://api.kit.forhosting.com/stat/pearson-mode-skewness

Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.

Appeler depuis votre stack

curl -X POST https://api.kit.forhosting.com/stat/pearson-mode-skewness \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"mean":12,"mode":10,"std":4}'

const res = await fetch("https://api.kit.forhosting.com/stat/pearson-mode-skewness", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "mean": 12,
    "mode": 10,
    "std": 4
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/stat/pearson-mode-skewness",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "mean": 12,
    "mode": 10,
    "std": 4
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/pearson-mode-skewness", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"mean":12,"mode":10,"std":4}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"mean":12,"mode":10,"std":4}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/pearson-mode-skewness", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Exemple de requête

{
  "mean": 12,
  "mode": 10,
  "std": 4
}

Exemple de réponse

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "stat.pearson_mode_skewness",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.

Tarifs

par requête$0.002

Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.

Erreurs

HTTP	Code	Signification
`401`	`unauthorized`	Clé API absente ou invalide : vérifiez l’en-tête Authorization.
`402`	`insufficient_balance`	Solde insuffisant : rechargez votre compte pour lancer cette tâche.
`404`	`unknown_type`	Type de tâche inconnu : vérifiez le champ type de votre requête.
`429`	`rate_limited`	Trop de requêtes : ralentissez la cadence, puis réessayez.

Notes techniques

Lorsque l'écart-type est nul, le coefficient est indéfini et la tâche échoue avec invalid_input au lieu d'inventer un nombre.

Ce que mesure l'asymétrie de Pearson par le mode et comment fonctionne la formule

Cette conception correspond aux problèmes d'examen, aux tableaux de synthèse publiés et aux API qui stockent des agrégats plutôt que des échantillons complets. Chaque étape est une arithmétique flottante déterministe, sans graines aléatoires, sans horloge murale et sans appels réseau, de sorte que des entrées identiques produisent toujours le même JSON.

Contrat d'entrée, forme de la réponse et comportement d'erreur

Un écart-type nul ou quasi nul échoue avec un message clair indiquant que l'asymétrie de Pearson par le mode est indéfinie lorsque sigma vaut zéro. Utilisez le formulaire gratuit du navigateur pour les devoirs et les contrôles rapides, puis le même contrat depuis des scripts lorsque vous devez scorer en lot des lignes de synthèse publiées. Envoyez en POST un objet JSON avec trois nombres finis obligatoires : mean, mode et std. Le champ d'écart-type accepte aussi les alias sd, standard_deviation et sigma afin que le vocabulaire du manuel et celui de l'API coïncident ; n'envoyez qu'un seul de ces alias par requête. Chaque champ peut arriver comme nombre JSON ou comme chaîne numérique ; champs manquants, chaînes vides, NaN et Infinity échouent avec invalid_input en nommant le champ et ne sont pas facturés. Si plusieurs alias d'écart-type sont présents à la fois, le gestionnaire rejette la requête pour éviter toute ambiguïté silencieuse sur l'échelle voulue. En cas de succès, le corps renvoie mean, mode et std nettoyés ; skewness comme le coefficient Sk1 arrondi pour des goldens stables entre runtimes ; la chaîne de formule Sk1 égale moyenne moins mode entre parenthèses, le tout divisé par sigma ; et une étiquette d'interprétation grossière : right_skewed lorsque le coefficient est positif, left_skewed lorsqu'il est négatif, et symmetric lorsque le coefficient nettoyé est zéro. Exemple : moyenne douze, mode dix et écart-type quatre donne une asymétrie de 0.5 car douze moins dix vaut deux et deux divisé par quatre vaut un demi, avec interprétation right_skewed. Autre contrôle : moyenne cinq, mode huit et écart-type trois donne moins un, left_skewed, car cinq moins huit vaut moins trois et moins trois divisé par trois vaut moins un. Le tarif des appels API réussis est la base publiée de $0.002 par élément ; les échecs de validation ne consomment pas le solde prépayé.

Où un calculateur d'asymétrie de Pearson par le mode trouve son utilité

Les cours de statistiques du secondaire et de l'université assignent constamment des exercices d'asymétrie de Pearson qui partent de moyenne, mode et écart-type imprimés dans un tableau plutôt que d'un jeu de données complet ; un oracle de confiance qui renvoie un JSON propre accélère la notation, les démonstrations et les fiches d'auto-contrôle. Comme l'implémentation est pure parse de niveau A, chaque appel réussi coûte le prix de base publié de $0.002 sans jetons de modèle ni réseau sortant.

Questions techniques

Quelles entrées le calculateur exige-t-il ?

Trois nombres finis : mean, mode et std (alias sd, standard_deviation ou sigma). N'envoyez qu'un seul champ d'écart-type. Valeurs manquantes ou non finies échouent avec invalid_input.

Combien coûte le calculateur d'asymétrie de Pearson par le mode ?

L'outil navigateur est gratuit. Les requêtes API utilisent le solde KIT prépayé à $0.002 par appel réussi ; une entrée invalide n'est pas facturée.

Consulter la documentation complète du KIT →

Lancer gratuitement

Exemple résolu

Ce que mesure l'asymétrie de Pearson par le mode et comment fonctionne la formule

Où un calculateur d'asymétrie de Pearson par le mode trouve son utilité

Cas d’usage

Exercices d'asymétrie pour devoirs et examens

Forme de tableau de bord à partir de résumés stockés

Correction automatique LMS et fiches de travail

Questions fréquentes

Outils associés

Pour les développeurs — accès API

Endpoint

Appeler depuis votre stack

Exemple de requête

Exemple de réponse

Tarifs

Erreurs

Notes techniques

Ce que mesure l'asymétrie de Pearson par le mode et comment fonctionne la formule

Contrat d'entrée, forme de la réponse et comportement d'erreur

Où un calculateur d'asymétrie de Pearson par le mode trouve son utilité

Questions techniques

merci