标签：python 偏度 分布 峰度 计算 正态分布

      偏度与峰度

• 偏度（Skewness）

  用来描述数据分布的对称性，正态分布的偏度为0。计算数据样本的偏度，当偏度<0时，称为负偏，数据出现左侧长尾；当偏度>0时，称为正偏，数据出现右侧长尾；当偏度为0时，表示数据相对均匀的分布在平均值两侧，不一定是绝对的对称分布，此时要与正态分布偏度为0的情况进行区分。

  当偏度绝对值过大时，长尾的一侧出现极端值的可能性较高。

• 峰度(Kurtosis)

  用来描述数据分布陡峭或是平滑的情况。正态分布的峰度为3，峰度越大，代表分布越陡峭，尾部越厚；峰度越小，分布越平滑。很多情况下，为方便计算，将峰度值－3，因此正态分布的峰度变为0，方便比较。

  在方差相同的情况下，峰度越大，存在极端值的可能性越高。

      python实现

用python中的pandas包可以便捷的计算出峰度与偏度。

• 载入相关包，生成满足正态分布的点，并绘制出其分布图像。

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

data =  list(np.random.randn(10000))

plt.hist(data,100,normed=True,facecolor='g',alpha=0.9)

plt.show()

• 计算偏度与峰度。

print(s.skew())%偏度计算

print(s.kurt())%峰度计算

%-0.027080404248  

%-0.0408703328693

标签：python,偏度,分布,峰度,计算,正态分布
来源： https://blog.51cto.com/15127586/2670967

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。