本文介绍了偏度与峰度的概念，用于检测数据是否符合正态分布。偏度衡量分布的不对称性，峰度则反映分布的陡峭或平滑程度。通过计算Z-score，可以评估偏度和峰度是否符合正态分布。在样本量小于100时，这种方法较为合适。SPSS分析结果显示，某个特征的峰度Z-score超过阈值，表明该特征不符合正态分布。
当我们应用统计方法对数据进行分析时，会发现许多分析方法如T检验、方差分析、相关分析以及线性回归等等，都要求数据服从正态分布或近似正态分布，正态分布在机器学习的重要性后期会讲述。上一篇文章用Q-Q图来验证数据集是否符合正态分布，本文首先介绍了偏度与峰度的定义，然后用偏度与峰度检测数据集是否符合正态分布，最后分析该检测算法的适用条件以及SPSS的结果分析。
1、 偏度与峰度
（1） 偏度（Skewness）
偏度衡量随机变量概率分布的不对称性，是相对于平均值不对称程度的度量，通过对偏度系数的测量，我们能够判定数据分布的不对称程度以及方向。
具体来说，对于随机变量X，我们定义偏度为其的三阶标准中心距:
对于样本的偏度，我们一般记为SK，我们可以基于矩估计，得到有：
偏度的衡量是相对于正态分布来说，正态分布的偏度为0ÿ
最低0.47元/天 解锁文章
2400
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
