偏态分布

一、总体介绍：

频数分布有正态分布和偏态分布之分。
正态分布是指多数频数集中在中央位置，两端的频数分布大致对称。统计数据峰值与平均值相等的频率分布。
偏态分布是指频数分布不对称，集中位置偏向一侧。统计数据峰值与平均值不相等的频率分布。
若集中位置偏向数值小的一侧，称为正偏态分布；集中位置偏向数值大的一侧，称为负偏态分布。如果频数分布的高峰向左偏移，长尾向右侧延伸称为正偏态分布，也称右偏态分布；同样的，如果频数分布的高峰向右偏移，长尾向左延伸则成为负偏态分布，也称左偏态分布。

峰左移，右偏，正偏

峰右移，左偏，负偏

性质：

1、当总体分布呈对称状态时，中位数=平均数

2、当总体分布呈右偏态状态时，说明存在极大值，会把平均值向极大值方向拉，中位数<平均数

3、当总体分布呈左偏态状态时，说明存在极小值，会把平均值向极小值方向拉，中位数>平均数

偏态分布只有满足一定的条件（如样本例数够大等）才可以看做近似正态分布。

 

与正态分布相对而言，偏态分布有两个特点：

　　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。

 

二、加深理解：

偏态，即相对于均值左右数据的多少。
右偏就是，数据在均值左侧的数量较多，所以为了达到所有数据于均值之差和为0,应该存在较大的数与之平衡，所有分布图里有一个很长的右端的拖尾（就是右端必须存在很大的值）
既然均值左侧的数比较多，对比中位数左右两侧数一样多，则均值必在中位数的右侧（即这样围成面积才大于0.5)
另外，我认为右偏的图像围成面积为0.5的分界点应该在峰值点的右侧，所以中位数大于众数。
所以就有众小于中小于均

 

三、全面概括：

偏度这一指标，又称偏斜系数、偏态系数，是用来帮助判断数据序列的分布规律性的指标。在数据序列呈对称分布（正态分布）的状态下，其均值、中位数和众数重合。且在这三个数的两侧，其它所有的数据完全以对称的方式左右分布。
    如果数据序列的分布不对称，则均值、中位数和众数必定分处不同的位置。这时，若以均值为参照点，则要么位于均值左侧的数据较多，称之为右偏；要么位于均值右侧的数据较多，称之为左偏；除此无它。
    考虑到所有数据与均值之间的离差之和应为零这一约束，则当均值左侧数据较多的时候，均值的右侧必定存在数值较大的“离群”数据；同理，当均值右侧数据较多的时候，均值的左侧必定存在数值较小的“离群”数据。
    一般将偏度定义为三阶中心矩与标准差的三次幂之比。在上述定义下，偏度系数的取值无非三种情景：
    1.当数据序列呈正态分布的时候，由于均值两侧的数据完全对称分布，其三阶中心矩必定为零，于是满足正态分布的数据序列的偏度系数必定等于0。
    2.当数据序列非对称分布的时候，如果均值的左侧数据较多，则其右侧的“离群”数据对三阶中心矩的计算结果影响至巨，乃至于三阶中心矩取正值。因此，当数据的分布呈右偏的时候，其偏度系数将大于0。
    3.当数据序列非对称分布的时候，如果均值的右侧数据较多，则其左侧的“离群”数据对三阶中心矩的计算结果影响至巨，乃至于三阶中心矩取负值。因此，当数据的分布呈左偏的时候，偏度系数将小于0。
    在右偏的分布中，由于大部分数据都在均值的左侧，且均值的右侧存在“离群”数据，这就使得分布曲线的右侧出现一个长长的拖尾；而在左偏的分布中，由于大部分数据都在均值的右侧，且均值的左侧存在“离群”数据，从而造成分布曲线的左侧出现一个长长的拖尾。

    可见，在偏度系数的绝对值较大的时候，最有可能的含义是“离群”数据离群的程度很高（很大或很小），亦即分布曲线某侧的拖尾很长。但“拖尾很长”与“分布曲线很偏斜”不完全等价。例如，也不能排除在数据较少的那一侧，只是多数数据的离差相对于另一侧较大，但不存在明显“离群”数据的情景。所以，为准确判断分布函数的偏斜程度，最好的办法是直接观察分布曲线的几何图形。