计算偏度和峰度可进一步了解数据的分布形态

计算偏度和峰度可进一步了解数据的分布形态
介绍计算偏度和峰度的相关内容
计算偏度和峰度是对数据的分布形态进行描述的一种方法，用于衡量数据分布的不均匀程度以及数据集中最频繁出现的单个特征（峰值）离数据中心有多远。

偏度（skewness）指示数据分布的偏斜程度，它是使用三角矢量定义的，可以通过比较数
据中央值、均值和中位数，描述数据偏向于哪个位置。

绝对值小于1，表示数据可以接受，数据越偏移，偏度越大。

当偏度值为0时，表明数据分布呈规则的正态分布，如果数据的
偏度大于0，表示右偏态分布，右尾部拥有更多的数据；如果数据偏度小于0，表示变成
左偏态分布，左尾部拥有更多的数据。

峰度（Kurtosis）指示了数据分布的字尾长度，它是使用四角矢量定义的，可以比较数据
集中出现最多的特征与非中心构成的样本的离散程度。

当峰度值为0时，表明数据的分布
是正态分布；如果数据的峰度大于0，表明尾部更长，尾部更瘦；如果峰度小于0，表明
尾部更短，尾部更胖。

计算偏度和峰度是一种有效的描述数据分布形态的方法，它们可以帮助我们更好地了解数据集的分布形式，比如正态分布、偏态分布等，从而为今后的数据分析和预测提供指导。