🏔️ 偏度与峰度

📐 数学定义与公式

偏度（Skewness）

$$\gamma_1 = \frac{E[(X - \mu)^3]}{\sigma^3},\qquad g_1 = \frac{\frac{1}{n}\sum_{i=1}^n (x_i-\bar{x})^3}{\left(\frac{1}{n}\sum_{i=1}^n (x_i-\bar{x})^2\right)^{3/2}}$$

其中，γ₁为总体偏度，g₁为未作偏差修正的样本矩偏度；要求相应矩存在且方差非零。

其中：

• $\mu$ 是总体均值，$\bar{x}$ 是样本均值
• $\sigma$ 是总体标准差，$s$ 是样本标准差
• $n$ 是样本大小

偏度的解释：

• 偏度 = 0：三阶中心矩为零；对称分布在相应矩存在时偏度为零，但零偏度不能反推出分布完全对称。
• 偏度 > 0：正偏（右偏），三阶中心矩为正；在常见单峰分布中常表现为右侧尾部延伸更明显，但不能仅据此确定大部分数据的位置。
• 偏度 < 0：负偏（左偏），三阶中心矩为负；在常见单峰分布中常表现为左侧尾部延伸更明显，但不能仅据此确定大部分数据的位置。

偏度程度判断标准：

• |偏度| < 0.5：本例标记为偏度较小，不据此证明对称
• 0.5 ≤ |偏度| < 1：本例标记为中等偏斜
• |偏度| ≥ 1：本例标记为高度偏斜

以上是示例分级规则，不是适用于所有分布和样本量的统一标准。

峰度（Kurtosis）

$$\beta_2 = \frac{E[(X - \mu)^4]}{\sigma^4},\qquad b_2 = \frac{\frac{1}{n}\sum_{i=1}^n (x_i-\bar{x})^4}{\left(\frac{1}{n}\sum_{i=1}^n (x_i-\bar{x})^2\right)^2}$$

其中，β₂为总体峰度，b₂为未作偏差修正的样本矩峰度；要求相应矩存在且方差非零。

超额峰度（Excess Kurtosis）： $$\text{Excess Kurtosis} = \text{Kurtosis} - 3$$

（正态分布的峰度为3，超额峰度为0）

峰度的解释：

• 峰度 = 3（超额峰度 = 0）：与正态分布具有相同的四阶标准化矩（Mesokurtic），不代表分布为正态。
• 峰度 > 3（超额峰度 > 0）：四阶标准化矩高于正态分布（Leptokurtic）。
• 峰度 < 3（超额峰度 < 0）：四阶标准化矩低于正态分布（Platykurtic）。

这些类别不能单独确定峰值尖锐程度、完整尾部形态或某个阈值之外的概率。

💻 Python实现与计算

基础计算示例

import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import skew, kurtosis
import warnings
warnings.filterwarnings('ignore')

# 设置中文字体和绘图样式
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False
sns.set_style("whitegrid")

def calculate_skewness_kurtosis_manually(data):
    """
    手动计算偏度和峰度
    """
    n = len(data)
    mean = np.mean(data)
    std = np.std(data, ddof=0)  # 未作偏差修正的样本矩计算口径
    
 # 计算偏度
    skewness = np.sum((data - mean)**3) / (n * std**3)
    
 # 计算峰度
    kurt = np.sum((data - mean)**4) / (n * std**4)
    excess_kurt = kurt - 3  # 超额峰度
    
    return skewness, kurt, excess_kurt

def demonstrate_skewness_kurtosis():
    """
    偏度和峰度计算演示
    """
    print("=== 偏度与峰度计算演示 ===")
    
 # 示例数据：电商平台用户购买金额（元）
    purchase_amounts = np.array([
        58, 125, 89, 234, 156, 78, 345, 67, 98, 189,
        234, 456, 123, 78, 567, 234, 89, 345, 123, 234,
        678, 123, 456, 234, 789, 345, 567, 234, 456, 678,
        1234, 234, 567, 345, 234, 678, 456, 789, 234, 567
    ])
    
    print(f"数据样本: {purchase_amounts[:10]}... (共{len(purchase_amounts)}个数据点)")
    print(f"均值: {np.mean(purchase_amounts):.2f}元")
    print(f"标准差: {np.std(purchase_amounts, ddof=1):.2f}元")
    print()
    
 # 方法1：手动计算
    manual_skew, manual_kurt, manual_excess_kurt = calculate_skewness_kurtosis_manually(purchase_amounts)
    print("--- 手动计算结果 ---")
    print(f"偏度: {manual_skew:.4f}")
    print(f"峰度: {manual_kurt:.4f}")
    print(f"超额峰度: {manual_excess_kurt:.4f}")
    print()
    
 # 方法2：使用SciPy
    scipy_skew = stats.skew(purchase_amounts)
    scipy_kurt = stats.kurtosis(purchase_amounts)  # 默认计算超额峰度
    scipy_kurt_full = stats.kurtosis(purchase_amounts, fisher=False)  # 完整峰度
    
    print("--- SciPy计算结果 ---")
    print(f"偏度: {scipy_skew:.4f}")
    print(f"超额峰度: {scipy_kurt:.4f}")
    print(f"完整峰度: {scipy_kurt_full:.4f}")
    print()
    
 # 方法3：使用Pandas
    # Pandas使用偏差修正的样本估计，结果可能与SciPy默认bias=True不同。
    # 对照时可使用stats.skew(data, bias=False)和stats.kurtosis(data, bias=False)。
    df = pd.DataFrame({'purchase_amount': purchase_amounts})
    pandas_skew = df['purchase_amount'].skew()
    pandas_kurt = df['purchase_amount'].kurtosis()  # 默认计算超额峰度
    
    print("--- Pandas计算结果 ---")
    print(f"偏度: {pandas_skew:.4f}")
    print(f"超额峰度: {pandas_kurt:.4f}")
    print()
    
 # 解释结果
    print("--- 结果解释 ---")
    if scipy_skew > 0.5:
        print(f"偏度 {scipy_skew:.4f} > 0.5: 数据呈现明显的正偏分布（右偏）")
        print("说明：大部分用户购买金额较低，少数用户购买金额很高")
    elif scipy_skew < -0.5:
        print(f"偏度 {scipy_skew:.4f} < -0.5: 数据呈现明显的负偏分布（左偏）")
    else:
        print(f"偏度 {scipy_skew:.4f}: 样本偏度较小，不能据此证明分布对称")
    
    if scipy_kurt > 0:
        print(f"超额峰度 {scipy_kurt:.4f} > 0: 样本四阶标准化矩高于正态分布基准")
        print("说明：需结合图形及具体阈值分析极端购买金额，不能仅凭峰度判断峰形或极端值数量")
    elif scipy_kurt < 0:
        print(f"超额峰度 {scipy_kurt:.4f} < 0: 样本四阶标准化矩低于正态分布基准，不能单独确定峰形或尾部形态")
    else:
        print(f"超额峰度为0: 四阶标准化矩与正态分布相同，但不能据此判定正态性")
    
    return purchase_amounts

# 执行演示
data = demonstrate_skewness_kurtosis()

不同分布类型的比较

def compare_different_distributions():
    """
    比较不同分布的偏度和峰度
    """
    np.random.seed(42)
    n_samples = 1000
    
 # 生成不同类型的分布
    distributions = {
        '正态分布': np.random.normal(0, 1, n_samples),
        '正偏分布': np.random.exponential(1, n_samples),
        '负偏分布': -np.random.exponential(1, n_samples),
        '高峰分布': np.random.laplace(0, 0.7, n_samples),
        '低峰分布': np.random.uniform(-2, 2, n_samples)
    }
    
    print("=== 不同分布的偏度与峰度比较 ===")
    print(f"{'分布类型':<10} {'偏度':<10} {'超额峰度':<10} {'特征描述':<20}")
    print("-" * 60)
    
    results = {}
    for name, data in distributions.items():
        skewness = stats.skew(data)
        kurt = stats.kurtosis(data)
        
 # 特征描述
        skew_desc = "正偏" if skewness > 0.5 else "负偏" if skewness < -0.5 else "偏度较小"
        kurt_desc = "超额峰度较高" if kurt > 0.5 else "超额峰度较低" if kurt < -0.5 else "超额峰度接近0"
        
        print(f"{name:<10} {skewness:<10.3f} {kurt:<10.3f} {skew_desc+'+'+kurt_desc:<20}")
        results[name] = {'data': data, 'skewness': skewness, 'kurtosis': kurt}
    
    return results

# 执行比较
dist_results = compare_different_distributions()

可视化展示

def visualize_skewness_kurtosis(data, title="数据分布分析"):
    """
    可视化偏度和峰度
    """
    fig, axes = plt.subplots(2, 2, figsize=(15, 12))
    fig.suptitle(f'{title} - 偏度与峰度分析', fontsize=16, fontweight='bold')
    
 # 计算统计量
    skewness = stats.skew(data)
    kurt = stats.kurtosis(data)
    mean = np.mean(data)
    std = np.std(data)
    
 # 1. 直方图和密度曲线
    axes[0, 0].hist(data, bins=30, density=True, alpha=0.7, color='skyblue', edgecolor='black')
    
 # 添加正态分布比较线
    x_norm = np.linspace(data.min(), data.max(), 100)
    y_norm = stats.norm.pdf(x_norm, mean, std)
    axes[0, 0].plot(x_norm, y_norm, 'r--', linewidth=2, label='正态分布对比')
    
    axes[0, 0].axvline(mean, color='red', linestyle='-', linewidth=2, label=f'均值: {mean:.2f}')
    axes[0, 0].axvline(np.median(data), color='green', linestyle='-', linewidth=2, label=f'中位数: {np.median(data):.2f}')
    
    axes[0, 0].set_title(f'数据分布直方图\n偏度: {skewness:.3f}, 超额峰度: {kurt:.3f}')
    axes[0, 0].set_xlabel('数值')
    axes[0, 0].set_ylabel('密度')
    axes[0, 0].legend()
    axes[0, 0].grid(True, alpha=0.3)
    
 # 2. 箱线图
    axes[0, 1].boxplot(data, vert=True, patch_artist=True, 
                       boxprops=dict(facecolor='lightblue', alpha=0.7))
    axes[0, 1].set_title('箱线图 - 显示偏度')
    axes[0, 1].set_ylabel('数值')
    axes[0, 1].grid(True, alpha=0.3)
    
 # 添加统计信息文本
    q1, q3 = np.percentile(data, [25, 75])
    axes[0, 1].text(1.1, q3, f'Q3: {q3:.2f}', fontsize=10)
    axes[0, 1].text(1.1, np.median(data), f'中位数: {np.median(data):.2f}', fontsize=10)
    axes[0, 1].text(1.1, q1, f'Q1: {q1:.2f}', fontsize=10)
    
 # 3. Q-Q图（正态性检验）
    stats.probplot(data, dist="norm", plot=axes[1, 0])
    axes[1, 0].set_title('Q-Q图 - 正态性检验')
    axes[1, 0].grid(True, alpha=0.3)
    
 # 4. 统计量总结
    axes[1, 1].axis('off')
    stats_text = f"""
    统计量总结:

    样本大小: {len(data)}
    均值: {mean:.4f}
    中位数: {np.median(data):.4f}
    标准差: {std:.4f}

    偏度: {skewness:.4f}
    {'  → 正偏分布（右偏）' if skewness > 0.5 else '  → 负偏分布（左偏）' if skewness < -0.5 else '  → 基本对称分布'}

    超额峰度: {kurt:.4f}
    {'  → 尖峭分布（厚尾）' if kurt > 0.5 else '  → 平缓分布（薄尾）' if kurt < -0.5 else '  → 超额峰度接近0，不能单独判断正态性'}

    分布特征:
    {'  • 大部分数据集中在左侧' if skewness > 0.5 else '  • 大部分数据集中在右侧' if skewness < -0.5 else '  • 样本偏度较小，不能据此判断均匀性或对称性'}
    {'  • 正超额峰度提示关注极端值，需结合图形分析' if kurt > 0.5 else '  • 不能仅凭峰度判定极端值数量'}
    """
    
    axes[1, 1].text(0.1, 0.9, stats_text, fontsize=12, verticalalignment='top',
                     bbox=dict(boxstyle="round,pad=0.3", facecolor="lightgray", alpha=0.8))
    
    plt.tight_layout()
    plt.show()

# 可视化原始数据
visualize_skewness_kurtosis(data, "电商用户购买金额分析")

🏢 实际应用场景

1. 金融风险分析

def financial_risk_analysis():
    """
    金融数据的偏度和峰度分析
    """
    print("=== 金融风险分析：股票收益率的偏度与峰度 ===")
    
 # 模拟股票日收益率数据（%）
    np.random.seed(123)
    
 # 正常市场条件下的收益率
    normal_returns = np.random.normal(0.05, 1.2, 200)  # 均值0.05%，标准差1.2%
    
 # 加入一些极端事件（市场崩盘/暴涨）
    extreme_events = np.array([-8.5, -6.2, -4.8, 7.3, 5.9, -9.1, 8.7])
    stock_returns = np.concatenate([normal_returns, extreme_events])
    
 # 计算统计量
    skewness = stats.skew(stock_returns)
    kurt = stats.kurtosis(stock_returns)
    
    print(f"股票收益率样本数: {len(stock_returns)}")
    print(f"平均日收益率: {np.mean(stock_returns):.4f}%")
    print(f"收益率波动率: {np.std(stock_returns):.4f}%")
    print(f"偏度: {skewness:.4f}")
    print(f"超额峰度: {kurt:.4f}")
    print()
    
 # 风险解释
    print("--- 风险分析 ---")
    if skewness < -0.5:
        print("⚠️  负偏度表明：")
        print("   • 存在较大的下行风险")
        print("   • 极端损失的可能性较高")
        print("   • 需要更谨慎的风险管理")
    elif skewness > 0.5:
        print("📈 正偏度表明：")
        print("   • 存在较大的上行潜力")
        print("   • 极端收益的可能性较高")
    
    if kurt > 1:
        print("\n⚠️  高峰度表明：")
        print("   • 该构造样本的四阶标准化矩高于正态分布基准")
        print("   • 不能据此估计未来极端事件频率或'黑天鹅'风险")
        print("   • 可进一步检查风险模型的分布假设与样本适用性")
        print("   • 是否采用厚尾分布模型需结合尾部诊断、拟合和验证结果")
    
 # VaR计算示例
    confidence_level = 0.05  # 95%置信度
    var_95 = np.percentile(stock_returns, confidence_level * 100)
    print(f"\n95%置信度下的VaR: {var_95:.4f}%")
    print(f"该模拟样本的收益率5%分位数为{var_95:.2f}%；它是历史样本描述，不能直接保证未来损失超出该水平的概率为5%")
    
    return stock_returns

# 执行金融分析
stock_data = financial_risk_analysis()

2. 电商数据分析

def ecommerce_analysis():
    """
    电商平台用户行为的偏度峰度分析
    """
    print("\n=== 电商数据分析：用户购买行为偏度峰度分析 ===")
    
 # 模拟电商数据
    np.random.seed(456)
    
 # 用户购买金额分布（通常是正偏的）
 # 大多数用户购买金额较低，少数用户购买金额很高
    base_purchases = np.random.lognormal(mean=4.5, sigma=0.8, size=800)  # 对数正态分布
    high_value_customers = np.random.normal(loc=2000, scale=300, size=50)  # 高价值客户
    purchase_amounts = np.concatenate([base_purchases, high_value_customers])
    
 # 用户会话时长（分钟）
    session_duration = np.random.gamma(shape=2, scale=15, size=850)
    
 # 分析购买金额
    print("--- 用户购买金额分析 ---")
    skew_purchase = stats.skew(purchase_amounts)
    kurt_purchase = stats.kurtosis(purchase_amounts)
    
    print(f"购买金额偏度: {skew_purchase:.4f}")
    print(f"购买金额超额峰度: {kurt_purchase:.4f}")
    
 # 业务解释
    print("\n📊 业务洞察：")
    if skew_purchase > 1:
        print("   • 样本呈明显正偏；少数高价值客户是否贡献大部分收入，还需计算收入贡献占比")
        print("   • 建议实施精准的客户分层策略")
        print("   • 重点关注和维护高价值客户群体")
    
    if kurt_purchase > 2:
        print("   • 存在明显的极端购买行为")
        print("   • 需要识别和分析异常订单模式")
        print("   • 可能存在批量采购或异常交易")
    
 # 客户分群建议
    q25, q50, q75, q90, q95 = np.percentile(purchase_amounts, [25, 50, 75, 90, 95])
    print(f"\n💡 客户分群建议：")
    print(f"   • 低价值客户 (0-25%): <{q25:.0f}元")
    print(f"   • 中等价值客户 (25%-75%): {q25:.0f}-{q75:.0f}元")
    print(f"   • 高价值客户 (75%-90%): {q75:.0f}-{q90:.0f}元")
    print(f"   • 超高价值客户 (90%+): >{q90:.0f}元")
    
    return purchase_amounts, session_duration

# 执行电商分析
purchase_data, session_data = ecommerce_analysis()

3. 数据质量检测

def data_quality_check():
    """
    使用偏度和峰度进行数据质量检测
    """
    print("\n=== 数据质量检测：异常分布识别 ===")
    
 # 创建不同质量的数据集
    np.random.seed(789)
    
    datasets = {
        '正常数据': np.random.normal(100, 15, 500),
        '有异常值数据': np.concatenate([
            np.random.normal(100, 15, 480),
            np.array([200, 210, 220, 0, -10, 250, 260, 270, 280, 290,  # 异常值
                     -20, 300, 310, 320, -30, 330, 340, 350, 360, 370])
        ]),
        '数据录入错误': np.concatenate([
            np.random.normal(100, 15, 450),
            np.array([1000, 1100, 1200, 10000, 0.1, 0.2, 0.3])  # 明显的录入错误
        ])
    }
    
    print(f"{'数据集':<15} {'偏度':<10} {'超额峰度':<10} {'质量评估':<20}")
    print("-" * 65)
    
    for name, data in datasets.items():
        skewness = stats.skew(data)
        kurt = stats.kurtosis(data)
        
 # 数据质量评估
        quality_issues = []
        if abs(skewness) > 2:
            quality_issues.append("严重偏斜")
        if kurt > 5:
            quality_issues.append("异常峰度")
        if abs(skewness) > 1 and kurt > 3:
            quality_issues.append("可能有异常值")
        
        quality_status = "正常" if not quality_issues else ", ".join(quality_issues)
        
        print(f"{name:<15} {skewness:<10.3f} {kurt:<10.3f} {quality_status:<20}")
        
 # 详细分析异常数据
        if quality_issues:
            print(f"  ⚠️  {name} 检测到的问题：")
            
 # 异常值检测（IQR方法）
            q1, q3 = np.percentile(data, [25, 75])
            iqr = q3 - q1
            lower_bound = q1 - 1.5 * iqr
            upper_bound = q3 + 1.5 * iqr
            
            outliers = data[(data < lower_bound) | (data > upper_bound)]
            if len(outliers) > 0:
                print(f"     • 发现 {len(outliers)} 个异常值")
                print(f"     • 异常值范围: [{outliers.min():.2f}, {outliers.max():.2f}]")
                print(f"     • IQR筛查范围: [{lower_bound:.2f}, {upper_bound:.2f}]；范围外数据需结合业务规则复核，不能直接认定为错误")
            
            print()
    
    return datasets

# 执行数据质量检测
quality_data = data_quality_check()

🔧 高级应用技巧

样本量对偏度峰度的影响

def sample_size_effect():
    """
    分析样本量对偏度峰度估计的影响
    """
    print("\n=== 样本量对偏度峰度估计的影响 ===")
    
    np.random.seed(999)
    
 # 真实分布：指数分布（已知偏度和峰度）
    true_skewness = 2.0  # 指数分布的理论偏度
    true_kurtosis = 9.0  # 指数分布理论完整峰度；超额峰度为6
    
    sample_sizes = [30, 100, 500, 1000, 5000]
    n_simulations = 100
    
    print(f"真实偏度: {true_skewness:.3f}, 真实超额峰度: {true_kurtosis-3:.3f}")
    print(f"{'样本量':<10} {'偏度均值':<12} {'偏度标准差':<12} {'峰度均值':<12} {'峰度标准差':<12}")
    print("-" * 70)
    
    for n in sample_sizes:
        skew_estimates = []
        kurt_estimates = []
        
        for _ in range(n_simulations):
            sample = np.random.exponential(1, n)
            skew_estimates.append(stats.skew(sample))
            kurt_estimates.append(stats.kurtosis(sample))
        
        skew_mean = np.mean(skew_estimates)
        skew_std = np.std(skew_estimates)
        kurt_mean = np.mean(kurt_estimates)
        kurt_std = np.std(kurt_estimates)
        
        print(f"{n:<10} {skew_mean:<12.3f} {skew_std:<12.3f} {kurt_mean:<12.3f} {kurt_std:<12.3f}")
    
    print("\n📊 结论：")
    print("   • 样本量越大，偏度和峰度的估计越稳定")
    print("   • 小样本（n<100）的偏度峰度估计误差较大")
    print("   • 本例可比较样本量达到500前后的估计波动，但500不是普遍可靠性门槛；可靠性还取决于分布、矩是否存在和精度要求")

# 执行样本量影响分析
sample_size_effect()

多字段逐列偏度峰度分析（不涉及联合分布的多变量矩）

def multivariate_analysis():
    """
    多变量数据的偏度峰度分析
    """
    print("\n=== 多变量偏度峰度分析 ===")
    
 # 创建多变量数据集：用户行为数据
    np.random.seed(666)
    n_users = 1000
    
 # 分别生成各字段的模拟用户行为数据，未显式构造变量间相关结构
    user_data = pd.DataFrame({
        '年龄': np.random.normal(35, 12, n_users),
        '收入': np.random.lognormal(10.5, 0.5, n_users),  # 收入通常是正偏的
        '购买频率': np.random.poisson(3, n_users),  # 泊松分布
        '会话时长': np.random.gamma(2, 10, n_users),  # 伽马分布
        '满意度评分': np.random.beta(8, 2, n_users) * 10  # 贝塔分布，范围0-10
    })
    
    print("用户行为数据偏度峰度分析：")
    print(f"{'变量':<10} {'偏度':<10} {'超额峰度':<10} {'分布特征':<15} {'业务含义':<30}")
    print("-" * 85)
    
    business_meanings = {
        '年龄': '用户年龄分布是否均衡',
        '收入': '收入差距和客户层次',
        '购买频率': '购买行为的集中程度',
        '会话时长': '用户参与度分布',
        '满意度评分': '用户满意度集中情况'
    }
    
    for col in user_data.columns:
        skewness = stats.skew(user_data[col])
        kurt = stats.kurtosis(user_data[col])
        
 # 分布特征判断
        if abs(skewness) < 0.5 and abs(kurt) < 0.5:
            dist_feature = "偏度及超额峰度接近0，正态性待进一步判断"
        elif skewness > 1:
            dist_feature = "强正偏"
        elif skewness < -1:
            dist_feature = "强负偏"
        elif kurt > 2:
            dist_feature = "超额峰度较高，尾部形态需进一步分析"
        else:
            dist_feature = "偏态分布"
        
        print(f"{col:<10} {skewness:<10.3f} {kurt:<10.3f} {dist_feature:<15} {business_meanings[col]:<30}")
    
 # 变量相关性分析
    print("\n变量间相关性：")
    correlation_matrix = user_data.corr()
    print(correlation_matrix.round(3))
    
    return user_data

# 执行多变量分析
user_behavior_data = multivariate_analysis()

⚠️ 常见误区与注意事项

📚 扩展学习资源

理论深化

• 📖 《统计学原理》 - 偏度峰度的数学推导
• 📖 《应用统计学》 - 实际应用案例分析
• 🎓 在线课程：Khan Academy统计学课程

实践工具

• 🐍 Python库：SciPy、Pandas、Statsmodels
• 📊 可视化：Matplotlib、Seaborn、Plotly
• 🔧 专业软件：R、SPSS、SAS

进阶主题

• 正态性检验 - 检验分布是否正态
• 数据变换 - 改善偏度的方法
• 稳健统计 - 处理异常值的方法

#统计学 #偏度 #峰度 #描述性统计 #数据分布 #数据质量 #Python统计分析