数据分布偏度与峰态_峰度系数和偏度系数判断分布

偏度（skewness）

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值特征：定义为：样本的三阶标准化矩。
$$Skew(X)=E[(\frac{X-\mu }{\sigma })]=\frac{k_3}{{\sigma }_3}=\frac{k_3}{k_2^{3/2}}$$

偏度定义中包括：正态分布（偏度=0）、右偏（尾巴右偏）分布（也叫正偏分布，偏度>0），左偏（尾巴左偏）分布（也叫负偏分布，其偏度<0）。

峰度（peakedness、kurtosis）

又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数，直观看来，峰度反映了峰部的尖度，随机变量的峰度计算方法：随机变量的四阶中心距与方差平方的比值。

$$Kurt(X)=E[(\frac{X-\mu }{\sigma }{)}^4]=\frac{E[(X-\mu {)}^4]}{E[(X-\mu {)}^2]{)}^2}$$

峰度包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）

具体计算方法：
DataFrame.skew()
DtaFrame.kurt()

今天的文章数据分布偏度与峰态_峰度系数和偏度系数判断分布分享到此就结束了，感谢您的阅读。