如何解释数据科学中的偏度(skewness)和峰度(kurtosis)?

偏度(Skewness)

偏度是描述数据分布形态的统计量,用于衡量数据分布偏离对称分布的程度。偏度为负表示数据分布左偏,为正表示数据分布右偏,为零表示数据分布基本对称。偏度计算公式如下:

E[( rac{X-ar{X}}{s})^3],其中XX是数据,ar{X}是均值,ss是标准差。

示例:一个偏度较小的分布如正态分布,其偏度接近0。

峰度(Kurtosis)

峰度是描述数据分布尖锐程度的统计量,用于衡量数据分布尾部的厚实程度。峰度大于3表示尖峭(尾部厚实),峰度小于3表示平坦(尾部薄弱),峰度等于3表示正态分布。 峰度计算公式如下:

E[( rac{X-ar{X}}{s})^4]-3,其中XX是数据,ar{X}是均值,ss是标准差。

示例:正态分布的峰度为3,超过3表示尖峭,低于3表示平坦。