统计学与工具实现（三）

偏度(skewness)：数据分布对称性的衡量

偏度的公式不是唯一的，有多种定义形式，上述公式只是其中一种。

正偏度分布：右侧尾比左侧尾长，即大数值一端发生的次数较少（均值>中位数）；

负偏度分布：左侧尾比右侧尾长，即大数值一端发生的次数较多（均值<中位数）；

正态分布的偏度为0。

峰度(kurtosis)：

      

    excess_k = kurtosis - 3

正态分布的峰度为3，excess_k为0，

低阔峰(platykurtic)：相对于正态分布来说更扁平（excess_k < 0）

高峡峰(leptokurtic)：相对于正态分布来说更陡峭（excess_k > 0）

工具实现

Excel

Excel里偏度有不同的公式：

Excel里峰度公式:

R

下面是调用了moments包，偏度计算的值和Excel中SKEW.P的计算结果相同，即采用公式。

moments中峰度计算采用公式，所得结果和Excel中KURT计算结果不同。

R中除了moments包，还有fBasics包也提供了偏度和峰度计算，但公式和上面不一样，所以计算结果也不相同。

在R里面计算偏度和峰度的话，个人推荐使用moments包，因为使用的公式被普通使用。当然也可以根据公式自己计算。

Python

使用scipy中的stats计算偏度和风度，和R中moments包显示的结果一样。

Python里也有其他包计算偏度和峰度，这里的值和R中fBasics包显示的结果一样。

如果使用Python计算偏度和峰度，个人推荐使用scipy中的stats，原因同R中推荐使用moments包一样。