偏度和峰度是衡量数据分布形态的重要统计量。偏度指示分布的对称性，正偏度表示右偏，负偏度表示左偏；峰度则反映分布峰值的高低，高峰度表示尖峰，低峰度表示平峰。理解这两个概念有助于分析数据的非正常分布情况。
偏度（skewness）
是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数值特征：定义为：样本的三阶标准化矩。
Skew(X)=E[(X−μσ)]=k3σ3=k3k23/2Skew(X)=E[(\frac{X-\mu}{\sigma})]=\frac{k_3}{\sigma_3}=\frac{k_3}{k_2^{3/2}}Skew(X)=E[(σX−μ)]=σ3k3=k23/2k3
偏度定义中包括：正态分布（偏度=0）、右偏（尾巴右偏）分布（也叫正偏分布，偏度>0），左偏（尾巴左偏）分布（也叫负偏分布，其偏度<0）。
峰度（peakedness、kurtosis）
又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数，直观看来，峰度反映了峰部的尖度，随机变量的峰度计算方法：随机变量的四阶中心距与方差平方的比值。
Kurt(X)=E[(X−μσ)4]=E[(X−μ)4]E[(X−μ)2])2Kurt(X)=E[(\frac{X-\mu}{\sigma})^4]=\frac{E[(X-\mu)^4]}{E[(X-\mu)^2])^2}Kurt(X)=E[(σX−μ)4]=E[(X−μ)2])2E[(X−μ)4]
峰度包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）
具体计算方法：
DataFrame.skew()
DtaFrame.kurt()
扫一扫
1320
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
