内容导入：

大家好，这里是每天的一点分析。 本期为您介绍数据分析的基础系列。 主要介绍描述性统计分析原理和偏度的基本原理，包括偏度的概念、函数??、计算方法、判断标准和应用，并结合地区工资水平。 探索偏度在现实世界数据分析中的使用。 文章内容适合数据分析新手，内容讲解深入浅出，案例实用。 下一期我会给大家介绍一下峰度系数，欢迎大家关注。

概念介绍：

偏度的概念：

偏度是统计数据分布的偏度方向和程度的度量。 它是统计数据分布不对称程度的数值特征。 所谓不对称，就是指左右不一致。 ()又称为偏度、偏度系数。 它是表征概率分布密度曲线相对于平均值的不对称程度的特征数。 直观上来说，就是密度函数曲线尾部的相对长度（不懂也没关系，这是统计定义）。

偏度计算公式：

偏度计算公式

偏度计算为三阶中心距除以三阶标准差。 所谓中心距，就是距数据中心的距离。 数据中心一般是数值数据的平均值，所以中心距就是各个数之和减去平均值。 然后求平均值，三阶就是在此基础上求三次方。 三阶标准差是标准差的三次方，所以这个公式很容易理解。

偏度的相关原理：

正态分布的偏度为0，两侧尾长对称。 如果S代表偏斜度。

S 左偏度。 此时，均值左侧的数据比右侧的数据少。 直观上看，左边的尾巴比右边的尾巴长。 由于少数变量的值非常小，因此曲线的左尾很长。 。

S>0表示分布存在正偏差，也称为右偏度。 此时，均值右侧的数据比左侧的数据少。 直观的表现是，右边的尾部比左边的尾部长，因为取值较大的变量较少。 ，使得曲线的右尾很长。

当S接近0时，可以认为分布是对称的。 如果您知道分布在偏度方面可能偏离正态分布，则可以使用偏差来检验分布的正态性。 向右偏时，一般算术平均值>中位数>众数，向左偏时则相反，即众数>中位数>均值。 三个正态分布相等。

偏度的特点：

如果一组数据是对称的，则偏度系数等于0；

如果偏度系数大于1或小于-1，则称为高偏分布；

如果偏度系数在0.5~1或-1~-0.5之间，则认为是中度偏态分布。

偏度偏差：

偏度系数=0，分布对称；

如果偏度系数>0，则频率分布的峰值向左移动，长尾向右延伸，分布呈正偏态；

偏度系数

偏度的应用：

S>0，数据向左倾斜，峰值向左偏移，长尾向右延伸，均值小于中位数和众数，说明数据量很大，大多数其中高于平均水平，并且存在小的异常值。 ;

数据结论普遍是该地区存在收入最高值，贫富差距较大； 地区发展水平低，多数人收入低于平均水平等。

大家觉得这个理论很无聊。 我们准备了一个介绍偏度的短视频，以缓解您的疲劳并帮助您理解。 如果您有兴趣，可以关注我们的微信公众号观看。

综合应用场景：

接下来我们看一个实际案例。

数据偏度：某地区随机50人的平均工资为

请分析一下该地区的收入水平和发展情况。

代码计算过程

我们可以使用偏度来解释收入水平等条件。 计算过程如下。

numpy 作为 np

=np.array([2589,2163,2126,3500,2268,1871,2050,1856,2572,1000,3932,2105,1652,2559,2741,1766,2705,2067,3800,2749,2020,6918, 1350,1168,1245,1966,1080,915,1563,2307,2861,600,711,696,2261,3260,2219,2415,2877,2143,2564,172,951,1683,888,2880,4000,3500, 1000,1250] ）

求平均值 =np.mean()

求中心距=-

求标准差 sigma=np.std()

求平均三阶中心距=sum(np.power(,3))/len()

求标准差的三次方 =np.power(sigma,3)

求数据的偏度=/

print()#数据偏度为：1.424。 偏度系数小于0，因此数据向右偏斜。

根据偏度原理，S>0，数据向左倾斜，峰值向左偏移，长尾向右延伸，且均值小于中位数和众数，说明存在大数据很多，大部分都在平均水平以上，并且有小的异常值； 因此，我们可以得出结论，该地区空间差距较大，且以低收入人群居多，大部分人收入低于平均水平。 可以推测，该地区的区域发展不平衡，发展水平较低，因为在发展水平较高的地区，大多数人应该处于中等水平。

还不明白的朋友可以关注我们的微信公众号观看视频，讲解会更加精彩。

本期就分享到这里，我们每周都会继续更新，下期再见，期待您的光临。

大家好，如果您有什么建议，比如您想了解的知识、内容中的问题、您想要的资料、下次分享的内容、学习中遇到的问题等，请在下面留言。 如果喜欢请关注。

海数据微信小程序

海数据微信公众号二维码