负不对称性

在本文中，您将了解负偏度的组成、负偏度分布的示例以及需要执行哪些计算才能知道分布是否为负偏度。

什么是负不对称性？

在统计学中，当分布图的左尾长于右尾时，称该分布具有负偏度。

也就是说，偏态分布意味着它在均值左侧有更多不同的值。

负偏度的定义可能看起来很主观，但您可以判断概率分布是否为负偏度或者不使用公式。下面我们将看到这是如何完成的。

负不对称示例

下面您可以看到负不对称的示例，以更好地理解这个概念：

如果你看一下图表，平均值左边的值比右边的值多，因此曲线有负偏斜。

负不对称和正不对称

概率分布中两种常见的对称类型是负偏斜和正偏斜。因此，在本节中，我们将了解它们的含义有何不同。

负偏斜和正偏斜之间的区别在于平均值的哪一侧有更多的值。负偏态分布在均值左侧具有更多不同的值，而当分布在均值右侧具有更多不同值时，则为正偏态。

另一方面，当均值左侧和右侧的值数量相同时，分布是对称的。

如何确定负偏斜

传统上，解释为如果均值低于中位数，则分布具有负偏态。然而，这一特性并不总是令人满意。因此，为了确定分布的偏度，必须计算费舍尔偏度系数。

Fisher 不对称系数使用以下公式计算：

或同等学历：

金子

这是一个数学上的希望，

算术平均值和

标准差。

Fisher 系数的符号可以确定分布的不对称性：

• 如果费舍尔偏度系数为负，则分布呈负偏态。
• 如果 Fisher 偏度系数为正，则分布呈正偏态。
• 如果分布是对称的，则费舍尔偏度系数为零（反之则不然）。