数理统计——频数和相关系数

两边一样，叫对称分布（正态分布）
右边的数据比左边的数据离散，叫右偏分布（正偏态）
左边的数据比右边的数据离散，叫左偏分布（负偏态）
偏态分布有两个特点：
它有两个特点：
一是左右不对称（即所谓偏态）；
二是当样本增大时，其均数趋向正态分布。

skewness偏度：对于右偏分布，偏度为负；对于左偏分布，偏度为正。对称分布，偏度为0
Kurtosis峰值：是对Sample构成的分布的峰值是否突兀或是平坦的描述。计算时间序列x的峰度，峰度用于度量x偏离某分布的情况，正态分布的峰度为3。当时间序列的曲线峰值比正态分布的高时，峰度大于3;当比正态分布的低时，峰度小于3。

“统计上是用四阶中心矩来测定峰度的。因为实验研究表明，偶阶中心矩的大小与图形分布的峰度有关。其中的二阶中心矩就是数据的方差，它在一定程度上可以反映分布的峰度，但有时方差相同的数据却有不同的峰度，因此就利用四阶中心矩来反映分布的尖峭程度。为了消除变量值水平和计量单位不同的影响，实际工作中是利用四阶中心矩与σ4的比值作为衡量峰度的指标，称为峰度系数。但是在SPSS中的计算公式是四阶中心矩与σ4的比值减去3后的值，这个值与0相比，如果为0，说明其峰度与正态分布相同。大于0，说明它是比正态分布要陡峭。”——百度百科

相关系数
皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示，其中n为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。
两变项间的相关可以用许多统计值来测量，最常用的是皮尔森相关系数。
spearman相关系数：对不服从正态分布的资料、原始资料等级资料、一侧开口资料、总体分布类型未知的资料不符合使用积矩相关系数来描述关联性。此时可采用秩相关（rank correlation），也称等级相关，来描述两个变量之间的关联程度与方向。