正不对称

本文解释了统计学中的正偏度。因此，您将找到正偏概率分布的示例以及如何确定分布是否为正偏。

什么是正不对称性？

在统计学中，正偏斜是概率分布的一个特征，在图形中，右尾比左尾长。

也就是说，正偏分布意味着它在均值右侧有更多不同的值。

尽管正偏度的定义似乎很主观，但有几个公式可用于确定分布的偏度何时为正。下面我们将看到如何计算概率函数的不对称性或对称性。

正不对称的例子

为了充分理解正偏态的含义，本节显示了正偏态分布的示例：

该曲线具有正不对称性，因为均值右侧的值比左侧的值多得多。从图表中可以看出，绿色条形比橙色条形大得多。

其他类型的不对称

除了正不对称之外，应该指出的是，统计中还存在其他类型的不对称。概率曲线也可以是负偏斜的，甚至可以是完全对称的。

• 正不对称：分布的尾部向右拉长，也就是说均值右侧有更多不同的值。
• 负偏度：分布的尾部向左拉长，即均值左侧有更多不同的值。
• 对称性：分布在均值的左侧和右侧具有相同数量的值。

如何判断是否为正不对称

传统上，解释为如果均值大于中位数，则分布呈正偏态。然而，这一特性并不总是令人满意。因此，要确定分布的偏度，您需要计算费舍尔偏度系数。

Fisher 不对称系数的计算公式如下：

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