高等数学 / 系统课时

偏度与峰度

偏度与峰度

仅知道均值和标准差,还无法判断分布是否向一侧拖尾,也看不出极端值出现的倾向。本课将用偏度描述不对称方向,用峰度描述尾部厚重程度,并建立一套避免误读的判断方法。

学习目标

  • 能根据偏度的正负判断分布拖尾方向
  • 理解峰度主要反映尾部和极端值敏感性
  • 能结合图形、中心位置和统计量解释分布形态

偏度描述不对称方向

偏度衡量分布相对中心是否对称。总体偏度可理解为三阶标准化中心矩:

Skewness=E[(X−m)3]/s3Skewness=E[(X-m)^3]/s^3

其中 mm 表示均值,ss 表示标准差。三次方保留正负号,因此偏度能够区分数据向左拖尾还是向右拖尾。

偏度情况 典型形态 常见关系
接近 0 左右大致对称 均值与中位数通常接近
大于 0 右侧尾巴更长 均值常被较大值向右拉动
小于 0 左侧尾巴更长 均值常被较小值向左拉动

“正偏”指右尾较长,不是说大多数数据集中在右边。相反,主体数据往往位于较低区域,少量较大值把尾部拖向右侧。

偏度与峰度的分布形态对比

如何判断偏度

判断偏度时,先看直方图或密度图的尾部方向,再观察均值和中位数,最后用偏度数值辅助确认。单独盯着最高峰的位置,容易把“主体偏左”误说成“左偏”。

例如,收入数据 5、6、6、7、8、30 中,大多数值集中在 5 到 8,只有 30 明显偏大。分布的长尾伸向右侧,因此属于正偏分布,均值也会高于中位数。

偏度接近 0 只说明整体不对称程度较弱,不保证分布一定是正态分布。双峰分布或其他复杂形态也可能得到接近 0 的偏度。

峰度关注尾部而非峰顶

总体峰度可理解为四阶标准化中心矩:

Kurtosis=E[(X−m)4]/s4Kurtosis=E[(X-m)^4]/s^4

四次方会显著放大远离均值的观测,因此峰度主要反映尾部厚重程度和极端值对分布的影响。许多软件报告的是超额峰度:

ExcessKurtosis=Kurtosis−3ExcessKurtosis=Kurtosis-3

正态分布的普通峰度为 3,对应超额峰度为 0。超额峰度大于 0,通常表示尾部更厚、极端值更容易出现;小于 0,通常表示尾部更轻。

峰度常被解释为“峰有多尖”,这种说法不够准确。峰顶形状可能随分布结构变化,而高峰度最稳定的含义是尾部含有更多概率质量,对异常值更敏感。

组合解读分布形态

偏度和峰度回答不同问题。偏度看“尾巴主要朝哪边”,峰度看“两侧尾部有多重”。一个分布可以右偏但峰度不高,也可以近似对称却具有很高峰度。实际分析可按以下顺序进行:

  1. 先检查直方图、密度图或箱线图,确认是否存在多峰、截断或明显异常值。
  2. 再用偏度判断不对称方向,用峰度判断尾部风险。
  3. 最后结合样本量和业务机制解释,不根据单个统计量直接下结论。

样本量较小时,偏度和峰度会对个别观测非常敏感。此时应同时报告中位数、四分位距,并检查原始数据,而不是只依赖一个数值。

常见误读

偏度为正不代表“数据整体偏大”,它只表示右尾更长。峰度高也不代表“数据质量差”,它可能来自真实的重尾过程,例如金融收益或故障损失。

不同软件可能报告普通峰度或超额峰度。看到正态分布对应 3 时,说明使用普通峰度;对应 0 时,说明使用超额峰度。比较结果前必须先确认定义。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

偏度与峰度

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通