数据集的偏度和峰度

偏度（Skewness）

偏度用于衡量数据分布的不对称程度。当数据分布左偏（负偏态）时，偏度为负数；当数据分布右偏（正偏态）时，偏度为正数；对称分布的偏度接近于零。偏度的计算公式为：

${E} = \frac{{3(\text{{平均数}} - \text{{中位数}})}}{{\text{{标准差}}}}$

峰度（Kurtosis）

峰度用于衡量数据分布的尖度或平坦度。正态分布的峰度为3，超过3表示峰态高于正态分布，小于3表示峰态低于正态分布。峰度的计算公式为：

${K} = \frac{{\sum_{i=1}^{n}(x_i - \text{{平均数}})^4}}{n \cdot \text{{标准差}}^4} - 3$

在数据分布分析中的意义

偏度和峰度能帮助我们理解数据分布的形状和特征，对于数据分析和建模非常重要。

• 偏度：偏度可以告诉我们数据分布是左偏还是右偏，帮助我们判断数据的集中趋势和异常值情况。
• 峰度：峰度可以告诉我们数据分布的陡峭程度，帮助我们识别数据的尖峰和平缓程度。

通过偏度和峰度的分析，我们可以对数据的形状、分布和特征做出更准确的描述和解释。