如何处理偏态数据？

这是笔试/面试题系列的第2篇文章

在了解何为偏态数据前，要先从正态数据说起。

正态分布

正态分布是自然界中广泛存在的，我们都知道它是两头低，中间高，整个形态呈现对称钟形的一个分布，之所以叫正态分布，是因为在大量连续数据测量的情况下，我们比较希望看到这种状态，一个标准的正态分布是u（均值）=0，σ（标准差）=1。

从下图可以看出，横坐标代表随机变量X的一个取值，在均值（u=0）附近概率密度最大，越偏离均值，概率密度减小，不在(u-3σ,u+3σ)范围内的数据就属于统计学意义上的异常值了。

 

偏态分布

但是现实生活中总是会存在不是正态分布的情况，非正态分布，那就是偏态分布了，有两种，左偏（负偏态）和右偏（正偏态），可以用偏度来描述，偏度>0，则频数分布的高峰向左偏移，呈右（正）偏态分布；