峰度和偏度

1.峰度

1.1 峰度的定义

  峰度(kurtosis)，又称峰态系数，是表征概率密度分布曲线在平均值处峰值高低的指标。直观地说，这个指标反映地是峰部的尖度。该指标的计算是相对于正态分布而言的，如果峰度大于3，则说明峰的形状比较尖，比正态分布要陡峭。在统计学中，**峰度高就意味着方差增大是由低频度的大于或小于平均值的极端差值引起的。**对于具有$n$个值的样本，其峰度的计算公式如下：$$g_2=\frac{m_4}{m_2^2}=\frac{\frac{1}{n}{\sum }_{i=1}^n(x_i-\overline{x}{)}^4}{(\frac{1}{n}{\sum }_{i=1}^n(x_i-\overline{x}{)}^2{)}^2}-3$$在改公式中，已经减去了正态分布的峰度3，这样正态分布的峰度即为0。另外，在一些统计软件中，常用的峰度计算公式如下：$$Kurtosis=\frac{n(n+1)}{(n-1)(n-2)(n-3)}\sum _{i=1}^n(\frac{x_i-\overline{x}}{StDev}{)}^4-\frac{3(n-1{)}^2}{(n-2)(n-3)}$$

1.2 峰度的作用

  峰度用来表示数据的偏离程度，通常是作为一种判断正态性的指标。

2.偏度

2.1 偏度的定义

  偏度(Skewnes)也称为偏态系数，是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。其计算公式如下：$$Skewnes=\frac{{\mu }_3}{{\sigma }^3}=\frac{\frac{1}{n}{\sum }_{i=1}^n(x_i-\overline{x}{)}^3}{{\sigma }^3}$$

2.2 偏度的作用

• 对于正态分布，其偏度为0，两侧尾部长度对称。此时平均数=中位数=平均数。
• 若分布的偏度小于0，则说明该分布具有负偏离，即左偏态，此时数据位于均值左边的比位于右边的少，直观表现为左边的尾部相对于与右边的尾部要长，因为有少数变量值很小，使曲线左侧尾部拖得很长。分布左偏时众数>中位数>平均数。
• 若分布的偏度大于0，即右偏态，此时数据位于均值右边的比位于左边的少，直观表现为右边的尾部相对于与左边的尾部要长，因为有少数变量值很大，使曲线右侧尾部拖得很长。分布右偏时平均数>中位数>众数。