偏度和峰度存在的意义

1 代码

import scipy.stats as st
st.skew(data) # 计算偏度
st.kurtosis(data) # 计算峰度

2 为什么要处理偏斜数据

因为许多统计测试和机器学习模型都依赖于正态性假设。 因此，严重偏斜意味着数据不正常，并且可能会影响您的统计测试或机器学习预测能力。

• 如果偏度在-0.5到0.5之间，则数据是相当对称的(正态分布)；
• 如果偏斜度在-1和-0.5之间(负偏度)或0.5和1之间(正偏度)，则数据偏斜；
• 如果偏斜度小于-1(负偏度)或大于1(正偏度)，则数据高度偏斜；

3 处理偏斜数据的一些常用技术

在这种情况下，我们需要转换数据以使其正常。 用于处理偏斜数据的一些常用技术：

• Log transformation
• Square root transformation
• Power transformation
• Exponential transformation
• Box-Cox transformation
• etc

4 峰度的意义

“峰度”是对实值随机变量的概率分布的“尾部”度量。 通常用于标识给定数据集中的异常值(极值)。 由于用于识别离群值，因此使用尾部两端的极值进行分析。

• 常态峰 Mesokurtic (峰度=3)-此分布显示峰度3接近零。 极值(离群值)的分布与正态分布相似。
• 尖峰的 Leptokurtic (峰值>3)-这种分布显示出比Mekokurtic更大的峰度。 该峰比中胚层更高且更尖锐。 它的两边都有粗尾，表明离群值较大。 在投资世界中，尖峰的发行意味着它是高风险的投资。
• 低峰态 Platykurtic：(峰值<3)-此分布显示峰度比中侧偏低。 该峰比中胚层低且宽。 它的两侧均显示平坦的尾巴，表示离群值较小。 在投资世界中，platykurtic发行意味着它是一种低风险的投资。