欢迎来到超智星球，《超智·统计学》系列课程的第十八期，让我们一起探索数据的神秘面貌，仅需4分钟，带你走进统计学的深度世界。
在衡量数据的旅程中，我们已经掌握了集中趋势的代表——众数、中位数和平均数，以及离散程度的度量——异众比率、四分位差和标准差。但数据的分布形态——偏态与峰态，是描绘其独特性格的关键元素。这些概念是由统计大师皮尔逊在19世纪末提出，它们揭示了数据的对称性、分布的尖峰或扁平程度。
偏态系数，这个统计学的小助手，是衡量数据分布是否对称的量尺。我们可以通过箱线图和直方图直观感知数据的偏斜，但精准测量则需要利用公式，对未分组数据，公式是：SK = (Σ(xi - μ)^3 / (n * s^3))，其中μ是平均数，s是标准差。分组数据则稍有不同。偏态系数为0，说明数据对称；正值表示右偏，负值表示左偏。数值越接近0，偏斜程度越小，极端偏态则在±1之外。
峰态系数则描绘了数据分布的尖峰或扁平程度。与偏态系数的直观比较不同，峰态系数需要通过公式计算：对于未分组数据，K = (Σ(xi - μ)^4 / (n * (s^4 - 3 * (s^2)^2)))。分组数据的计算方法类似。峰态系数为0，说明数据与标准正态分布类似；正值表示尖峰分布，负值则表示扁平分布。数值越大，表示分布越集中，数值越小，表示分布越分散。
掌握了偏态和峰态，你就能更深入地理解数据的内在特性，从而在数据分析中做出更精确的判断。如果你觉得这篇文章对你有所启发，别忘了分享给更多朋友，让我们共同进步，探索数据世界的无穷魅力。在超智星球，一起学习人工智能、统计学和Python、R，用数据说话，揭示世界的秘密。
参考资料：