數(shù)據(jù)偏度介紹和處理方法

有時，正態(tài)分布傾向于向一邊傾斜。這是因為數(shù)據(jù)大于或小于平均值的概率更高，因此使得分布不對稱。這也意味著數(shù)據(jù)不是均勻分布的。
偏度可以與其他描述性統(tǒng)計一起描述變量的分布。通過偏度也可以判斷變量是否為正態(tài)分布。因為正態(tài)分布的偏度為零，是許多統(tǒng)計過程的假設。

分布可以有右偏度(或正偏度)、左偏度(或負偏度)或零偏度。右偏態(tài)分布在其峰值的右側(cè)較長，而左偏態(tài)分布在其峰值的左側(cè)較長。
1、零偏度
—當一個分布的偏度為零時，它是對稱的。它的左右兩邊是鏡像。正態(tài)分布的偏度為零，但不是只有正態(tài)分布的偏度為零。任何對稱分布，如均勻分布或某些雙峰分布，偏度都是零。
檢查變量是否具有傾斜分布的最簡單方法是將其繪制成直方圖。

分布近似對稱，觀測值在峰值的左右兩側(cè)分布相似。因此分布的偏度近似為零。在零偏度的分布中，平均值和中位數(shù)是相等的，也就是說：

mean = median

mean > median

mean < median

有幾個公式可以用來測量偏度。其中最簡單的是皮爾遜中值偏度。它就是利用了上面我們說的偏態(tài)分布中均值和中位數(shù)不相等來計算的。

皮爾遜中位數(shù)偏度是計算均值和中位數(shù)之間有多少個標準差。
真實的觀測很少有剛好為0的皮爾遜偏中值。因為如果數(shù)據(jù)的值接近于0，則可以認為它具有零偏度，但是在實際數(shù)據(jù)中很少有沒有零偏度的分布數(shù)據(jù)。
例如，我們每年觀測到的太陽黑子數(shù)量的Pearson中位數(shù)偏度：平均值= 48.6，中位數(shù)= 39，標準差= 39.5。那么公式如下：

如果該值介于：

• -0.5和0.5，值的分布幾乎對稱
• -1和-0.5之間為負偏斜，0.5到1之間為正偏斜。偏度適中。
• 如果偏度小于-1(負偏)或大于1(正偏)，則數(shù)據(jù)是高度偏斜。

如果你的統(tǒng)計過程需要正態(tài)分布并且你的數(shù)據(jù)是傾斜的，你通常有三個選擇：

• 什么也不做：許多統(tǒng)計檢驗，包括t檢驗、方差分析和線性回歸，對偏斜數(shù)據(jù)不太敏感。特別是如果偏斜是輕微或中度的，最好的辦法就是忽略它。
• 數(shù)據(jù)轉(zhuǎn)換：通過對數(shù)據(jù)應用某種變換，可以調(diào)整數(shù)據(jù)的分布形狀，使其更接近對稱分布。常見的數(shù)據(jù)轉(zhuǎn)換方法包括取對數(shù)、開方、平方根等。這些轉(zhuǎn)換可以減小或消除數(shù)據(jù)的偏度。
• 使用不同的模型：你可能想選擇一個不假設正態(tài)分布的模型，非參數(shù)測試或廣義線性模型可能更適合您的數(shù)據(jù)。比如說非參數(shù)方法：如果數(shù)據(jù)的偏度較大，而且無法通過簡單的轉(zhuǎn)換來糾正，可以考慮使用非參數(shù)統(tǒng)計方法。非參數(shù)方法不依賴于分布的假設，而是直接對數(shù)據(jù)進行分析，例如使用中位數(shù)作為代表性的位置測度，而不是平均值。
• 分組分析：如果數(shù)據(jù)集中存在明顯的子群體，可以考慮對數(shù)據(jù)進行分組分析。通過將數(shù)據(jù)分成多個子群體，并對每個子群體進行單獨的分析，可以更好地了解數(shù)據(jù)的特征和偏度情況。
• 針對特定問題采取相應的方法：根據(jù)具體的數(shù)據(jù)和分析目的，可以采用特定的方法來處理偏度數(shù)據(jù)。例如，在回歸分析中，可以使用偏度穩(wěn)定轉(zhuǎn)換（skewness-stabilizing transformation）來調(diào)整數(shù)據(jù)的偏度，以滿足回歸模型的假設。

下表總結(jié)了一些常用數(shù)據(jù)變換：

數(shù)據(jù)的偏度是用來衡量概率分布或數(shù)據(jù)集中不對稱程度的統(tǒng)計量。它描述了數(shù)據(jù)分布的尾部在平均值的哪一側(cè)更重或更長。通過計算偏度，可以更好地了解數(shù)據(jù)的分布特征，并在需要時采取適當?shù)臄?shù)據(jù)處理或分析方法。但是需要注意的是，偏度只是數(shù)據(jù)分布的一種度量，不能完全代表數(shù)據(jù)的整體特征，因此在分析數(shù)據(jù)時需要綜合考慮其他統(tǒng)計指標和可視化方法。
作者：Dhaval Raval