偏度(英語:skewness),亦稱歪度,在概率論和統計學中衡量實數隨機變量概率分佈的不對稱性。偏度的值可以為正,可以為負或者甚至是無法定義。在數量上,偏度為負(負偏態;左偏)就意味着在概率密度函數左側的尾部比右側的長,絕大多數的值(不一定包括中位數在內[1])位於平均值的右側。偏度為正(正偏態;右偏)就意味着在概率密度函數右側的尾部比左側的長,絕大多數的值(不一定包括中位數[1])位於平均值的左側。偏度為零就表示數值相對均勻地分佈在平均值的兩側,但不一定意味着其為對稱分佈。
![Thumb](http://upload.wikimedia.org/wikipedia/commons/thumb/f/f8/Negative_and_positive_skew_diagrams_%28English%29.svg/320px-Negative_and_positive_skew_diagrams_%28English%29.svg.png)
![Thumb](http://upload.wikimedia.org/wikipedia/commons/thumb/1/1c/SkewedDistribution.png/200px-SkewedDistribution.png)
介紹
偏度分為兩種:
如果分佈對稱,那麼平均值=中位數,偏度為零(此外,如果分佈為單峰分佈,那麽平均值=中位數=眾數)。
定義
隨機變量的偏度為三階標準矩,可被定義為:
其中是三階主動差,是標準差。是期望值算子。等式的最後以三階累積量與二階累積量的1.5次方的比率來表示偏度。這和用四階累積量除去二階累積量的平方來表示峰度的方法向類似。
偏度有時用來表示。老教科書過去常常用來表示偏度,可是由於偏度可為負,這樣的表示法較為不便。
對上面的等式進行擴展可導出用非主動差E[X3]來表示偏度的公式:
樣本偏度
具有個值的樣本的樣本偏度為:
其中是樣本平均值,是三階樣本主動差,是二階樣本中心距,即樣本方差。
當: 時,偏度可以是無窮大的。
或者當: (為負)及
(為正)時,偏度無法定義。
在後面的這個例子中,三階累積量是無法定義的。 其他分佈形式比如:
二階和三階累積量是無窮大的,所以偏度也是無法定義的。
如果假定為個獨立變量之和並且這些變量和具有相同的分佈,那麽的三階累積量是的倍,的二階累積量也是的倍,所以: 。根據中心極限定理,當其接近高斯分佈時變量之和的偏度減小。