偏度和峰度

• • • 偏度和峰度
    • • • 偏度
        • 峰度
    • 实例
    • • • 随机数据
        • 符合正态分布的数据

衡量对称性

偏度>0，说明随机变量x右边偏离均值比较多，这样的数据分布称为右偏或者正偏。

偏度>0，说明随机变量x左边偏离均值比较多，这样的数据分布称为左偏或者负偏。

峰度衡量偏度

峰度比较大，说明随机变量x偏离均值的极端值比较多

峰度比较小，说明随机变量x偏离均值的极端值比较少

numpy和pandas负责把数据准备好
matplotlib负责把数据制作成图

import numpy as np
import pandas
import seaborn as sns
from scipy.stats import norm
from matplotlib import pyplot as plt

data = list(np.random.randn(10000))  # 满足高斯分布的10000个数

print('最大值：', max(data))
print('最小值：', min(data))
print("均值:", np.mean(data))
print('中位数：', np.median(data))
print('四分位数：', np.percentile(data, [25, 50, 75]))
print('（总体）方差：', np.var(data))
print('标准差：', np.std(data))

# 偏度和峰度
s = pandas.Series(data)
bias_value = s.skew()
peak_value = s.kurt()
print("偏度：", bias_value)
print("峰度：", peak_value)

# 绘图
sns.distplot(data, fit=norm)
(mu, sigma) = norm.fit(data)
plt.legend(['Normal dist. ($mu=$ {:.2f} and $sigma=$ {:.2f} )'.format(mu, sigma)], loc='best')
plt.ylabel('Frequency')
plt.title('Distribution')
plt.show()