Apa itu Distribusi Normal?
Distribusi normal, juga dikenal sebagai distribusi Gaussian, adalah distribusi probabilitas yang simetris tentang rata-rata, menunjukkan bahwa data di dekat rata-rata lebih sering terjadi daripada data yang jauh dari rata-rata. Dalam bentuk grafik, distribusi normal akan muncul sebagai kurva lonceng.
Distribusi normal
Memahami Distribusi Normal
Distribusi normal adalah jenis distribusi yang paling umum diasumsikan dalam analisis pasar saham teknis dan dalam jenis analisis statistik lainnya. Distribusi normal standar memiliki dua parameter: mean dan standar deviasi. Untuk distribusi normal, 68% dari pengamatan berada dalam +/- satu standar deviasi dari rata-rata, 95% berada dalam +/- dua standar deviasi, dan 99, 7% berada dalam + - tiga standar deviasi.
Model distribusi normal dimotivasi oleh Teorema Limit Sentral. Teori ini menyatakan bahwa rata-rata yang dihitung dari variabel acak independen yang terdistribusi secara identik memiliki distribusi yang mendekati normal, terlepas dari jenis distribusi dari mana variabel-variabel tersebut dijadikan sampel (asalkan memiliki varian yang terbatas). Distribusi normal kadang-kadang bingung dengan distribusi simetris. Distribusi simetris adalah di mana garis pemisah menghasilkan dua gambar cermin, tetapi data aktual dapat berupa dua punuk atau serangkaian bukit selain kurva lonceng yang menunjukkan distribusi normal.
Pengambilan Kunci
- Distribusi normal adalah istilah yang tepat untuk kurva lonceng probabilitas. Distribusi normal adalah distribusi simetris, tetapi tidak semua distribusi simetris adalah normal. Pada kenyataannya, sebagian besar distribusi harga tidak sepenuhnya normal.
Kemiringan dan Kurtosis
Data kehidupan nyata jarang, jika pernah, mengikuti distribusi normal yang sempurna. Koefisien skewness dan kurtosis mengukur seberapa berbeda distribusi yang diberikan dari distribusi normal. Skewness mengukur simetri suatu distribusi. Distribusi normal simetris dan memiliki kemiringan nol. Jika distribusi kumpulan data memiliki kemiringan kurang dari nol, atau kemiringan negatif, maka ekor kiri distribusi lebih panjang daripada ekor kanan; kemiringan positif menyiratkan bahwa ekor kanan distribusi lebih panjang daripada kiri.
Statistik kurtosis mengukur ketebalan ujung ekor dari suatu distribusi sehubungan dengan ekor dari distribusi normal. Distribusi dengan kurtosis besar menunjukkan data ekor yang melebihi ekor dari distribusi normal (misalnya, lima atau lebih standar deviasi dari rata-rata). Distribusi dengan kurtosis rendah menunjukkan data ekor yang umumnya kurang ekstrem daripada ekor dari distribusi normal. Distribusi normal memiliki kurtosis tiga, yang menunjukkan distribusi tidak memiliki lemak atau ekor tipis. Oleh karena itu, jika distribusi yang diamati memiliki kurtosis lebih besar dari tiga, distribusi tersebut dikatakan memiliki ekor yang berat jika dibandingkan dengan distribusi normal. Jika distribusinya memiliki kurtosis kurang dari tiga, dikatakan memiliki ekor tipis jika dibandingkan dengan distribusi normal.
Bagaimana Distribusi Normal Digunakan dalam Keuangan
Asumsi distribusi normal diterapkan pada harga aset serta tindakan harga. Pedagang dapat merencanakan poin harga dari waktu ke waktu untuk menyesuaikan tindakan harga terbaru ke dalam distribusi normal. Tindakan harga lebih lanjut bergerak dari rata-rata, dalam hal ini, semakin besar kemungkinan bahwa suatu aset sedang over atau undervalued. Pedagang dapat menggunakan deviasi standar untuk menyarankan perdagangan potensial. Jenis perdagangan ini umumnya dilakukan pada kerangka waktu yang sangat singkat karena rentang waktu yang lebih besar membuatnya lebih sulit untuk memilih titik masuk dan keluar.
Demikian pula, banyak teori statistik berusaha memodelkan harga aset dengan asumsi bahwa mereka mengikuti distribusi normal. Pada kenyataannya, distribusi harga cenderung memiliki ekor berlemak, dan, karenanya, memiliki kurtosis lebih besar dari tiga. Aset tersebut memiliki pergerakan harga yang lebih besar dari tiga standar deviasi di atas rata-rata lebih sering daripada yang diharapkan dengan asumsi distribusi normal. Bahkan jika suatu aset telah melalui periode yang panjang di mana ia sesuai dengan distribusi normal, tidak ada jaminan bahwa kinerja masa lalu benar-benar menginformasikan prospek masa depan.
