原标题：关于偏度与峰度的一些探索
毫无疑问，数据的集中趋势和离散趋势是数据分布的最主要两个特征。因此，我们常常会借助算术平均数，中位数，方差，四分位数等指标进行描述性的统计分析，就正如我们经常讨论的正态分布，两个参数均值和标准差正是对应了集中趋势指标和离散趋势指标。
但实际上，数据的分布形态各异，很可能偏离于我们原有的假设分布，例如可能数据分布并不对称，例如数据分布较为“陡峭”，而为了研究这些特征以及与正态分布的偏离程度，我们还需要其他的判定指标，偏度和峰度。
一些预备知识
对于随机变量X，假若
存在，则称它为随机变量X的k阶原点矩；若
存在，则称它为随机变量X的k阶中心矩；一般，我们使用矩来描述随机变量的特征，例如随机变量的数学期望就是一阶原点矩
，方差则是二阶中心矩
。
1. 偏度
偏度，Skewness，是研究数据分布对称的统计量。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矩:
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
