Onderzoekers gebruiken statistieken om te proberen om te bepalen van de werkelijke waarden van een specifieke fenomeen. Bijvoorbeeld, zou onderzoekers willen weten van de gemiddelde leeftijd van mensen in bepaalde leeftijdsgroepen. Idealiter, onderzoekers willen weten van het precieze gemiddelde, maar diverse factoren--zoals scheef distributies--kunnen leiden tot resultaten die minder dan kloppen. Het werkelijke gemiddelde van de verdeling valt ergens tussen de mediaan en het gemiddelde van de verdeling.
Nauwkeurige resultaten
Distributies zijn grafische afbeeldingen van statistische waarschijnlijkheid. Grafieken van statistische distributies lijken op bergen. De lijnen op de veel links en extreem rechts van de grafiek heten staarten. Distributies worden vertekend beeld geven als een staart langer dan de andere is. Wanneer het scheeftrekken positief is, is de langere staart aan de kant van de grafiek met positieve getallen. Wanneer het scheeftrekken negatief is, is de langere staart aan de kant van de grafiek met negatieve getallen. Een voorbeeld van een asymmetrische verdeling kan betrekking hebben op de werkloosheid. Sommige mensen misschien niet hebben ooit gehouden een baan--als bijvoorbeeld, ze werden opgesloten voor het grootste deel van hun leven--die het werkloosheidscijfer van scheef. Scheve distributies zijn delen van onderzoeksmethoden die nog nauwkeurige--geven kunnen vooral wanneer de distributies zijn niet te ver scheef.
Onnauwkeurige resultaten
Zeer scheef distributies kunnen leiden tot misleidende statistieken, aangezien de scheve verdeling gemiddeld omhoog of omlaag rijden kan. Bijvoorbeeld, het gemiddelde inkomen van een bepaalde samenleving mogelijk weinig, maar een handvol mensen wellicht hoge winsten, die het gemiddelde inkomen van de samenleving omhoog scheef. Slecht scheef gegevens kan leiden tot onjuiste resultaten, dat is een nadeel van scheef distributies.
Het vinden van de gemiddelde
In de meeste distributies is het gemiddelde gemakkelijk te vinden door te kijken naar het midden. Het gemiddelde is het gemiddelde van de verdeling. Met een veel-scheef distributie is het gemiddelde echter niet noodzakelijkerwijs in het midden, waardoor de gemiddelde meer moeilijk te vinden. Vele statistische technieken, is afhankelijk van de statistische gemiddelde van de verdeling, waardoor scheef distributies moeilijk om mee te werken.
Logaritmen
Een logaritme is de macht waartegen een basis moet te bereiken van een bepaald nummer. Bijvoorbeeld, wanneer het nummer 1000 is en de basis 10 is, is de logaritme 3, aangezien het 10 tot de macht van 3 is 1000. Met bevoegdheden vertegenwoordigt elk nummer het aantal keren dat de wiskundige het grondtal vanzelf vermenigvuldigt. Aangezien de scheve variabelen meestal logaritmische zijn, de logaritme van de stochastische variabele is normaal. Normale verdeling is symmetrisch en heeft een klokvormige curve. Normale verdelingen kunnen mensen meer nauwkeurig voorspellen variabelen. Batterij levensduur heeft bijvoorbeeld een normale verdeling, wat betekent dat een batterij laatste 40 uur gemiddeld kan en een afwijking van een uur hebben, wat betekent dat de batterij kan opraken van energie in 39 uur of 41 uur. Het voordeel hiervan is dat statistici een bereik dat een reeks variabelen voorspelt kunnen genereren.
Manipulatie
Veel mensen begrijpen niet statistieken. Experts kunnen vaak statistieken presenteren op het gebied van de politiek op een manier die hun anders onjuiste argument kan ondersteunen. Echter degenen die willen scheeftrekken van de publieke opinie te zien dit als een voordeel. Mensen begrijpen niet altijd hoe scheef distributies werk, zodat een pundit statistieken die nauwkeurige lijken, maar zijn eigenlijk niet vanwege de scheve verdeling kon presenteren.