數(shù)據(jù)偏度介紹和處理方法

有時(shí)，正態(tài)分布傾向于向一邊傾斜。這是因?yàn)閿?shù)據(jù)大于或小于平均值的概率更高，因此使得分布不對(duì)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(jì)一起描述變量的分布。通過(guò)偏度也可以判斷變量是否為正態(tài)分布。因?yàn)檎龖B(tài)分布的偏度為零，是許多統(tǒng)計(jì)過(guò)程的假設(shè)。

分布可以有右偏度(或正偏度)、左偏度(或負(fù)偏度)或零偏度。右偏態(tài)分布在其峰值的右側(cè)較長(zhǎng)，而左偏態(tài)分布在其峰值的左側(cè)較長(zhǎng)。
1、零偏度
—當(dāng)一個(gè)分布的偏度為零時(shí)，它是對(duì)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(duì)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(jiǎn)單方法是將其繪制成直方圖。

分布近似對(duì)稱，觀測(cè)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(shuō)：

mean = median

mean > median

mean < median

有幾個(gè)公式可以用來(lái)測(cè)量偏度。其中最簡(jiǎn)單的是皮爾遜中值偏度。它就是利用了上面我們說(shuō)的偏態(tài)分布中均值和中位數(shù)不相等來(lái)計(jì)算的。

皮爾遜中位數(shù)偏度是計(jì)算均值和中位數(shù)之間有多少個(gè)標(biāo)準(zhǔn)差。
真實(shí)的觀測(cè)很少有剛好為0的皮爾遜偏中值。因?yàn)槿绻麛?shù)據(jù)的值接近于0，則可以認(rèn)為它具有零偏度，但是在實(shí)際數(shù)據(jù)中很少有沒(méi)有零偏度的分布數(shù)據(jù)。
例如，我們每年觀測(cè)到的太陽(yáng)黑子數(shù)量的Pearson中位數(shù)偏度：平均值= 48.6，中位數(shù)= 39，標(biāo)準(zhǔn)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(duì)稱
• -1和-0.5之間為負(fù)偏斜，0.5到1之間為正偏斜。偏度適中。
• 如果偏度小于-1(負(fù)偏)或大于1(正偏)，則數(shù)據(jù)是高度偏斜。

如果你的統(tǒng)計(jì)過(guò)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(gè)選擇：

• 什么也不做：許多統(tǒng)計(jì)檢驗(yàn)，包括t檢驗(yàn)、方差分析和線性回歸，對(duì)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(guò)對(duì)數(shù)據(jù)應(yīng)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(duì)稱分布。常見(jiàn)的數(shù)據(jù)轉(zhuǎn)換方法包括取對(duì)數(shù)、開(kāi)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(gè)不假設(shè)正態(tài)分布的模型，非參數(shù)測(cè)試或廣義線性模型可能更適合您的數(shù)據(jù)。比如說(shuō)非參數(shù)方法：如果數(shù)據(jù)的偏度較大，而且無(wú)法通過(guò)簡(jiǎn)單的轉(zhuǎn)換來(lái)糾正，可以考慮使用非參數(shù)統(tǒng)計(jì)方法。非參數(shù)方法不依賴于分布的假設(shè)，而是直接對(duì)數(shù)據(jù)進(jìn)行分析，例如使用中位數(shù)作為代表性的位置測(cè)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(duì)數(shù)據(jù)進(jìn)行分組分析。通過(guò)將數(shù)據(jù)分成多個(gè)子群體，并對(duì)每個(gè)子群體進(jìn)行單獨(dú)的分析，可以更好地了解數(shù)據(jù)的特征和偏度情況。
• 針對(duì)特定問(wèn)題采取相應(yīng)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(lái)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(lái)調(diào)整數(shù)據(jù)的偏度，以滿足回歸模型的假設(shè)。

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(lái)衡量概率分布或數(shù)據(jù)集中不對(duì)稱程度的統(tǒng)計(jì)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(zhǎng)。通過(guò)計(jì)算偏度，可以更好地了解數(shù)據(jù)的分布特征，并在需要時(shí)采取適當(dāng)?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(shí)需要綜合考慮其他統(tǒng)計(jì)指標(biāo)和可視化方法。
作者：Dhaval Raval