偏度

# test the skewness 以及峰度 library(moments) x <- rnorm(100,0,1) # 产生100均值为0， 标准差为1 的正太分布随机数 x <- rnorm(100,5,3) skewness(x) # 计算偏度 agostino.test(x) # 偏度的检验 kurtosis(x) # 计算峰度 由于没有减3 ，所以正太应该为3 anscombe.test(x) # 峰度检验 data <- read.csv(file = "C:\\users\\mike1\\desktop\\gaussanData.csv") # 读取数据 head(data) # 查看数据 skewness(data) agostino.test(x) kurtosis(data) anscombe.test(data) # 清空内存 ls() rm(list = ls()) gc() ls() 来源： https://www.cnblogs.com/zijidefengge/p/12445145.html

https://blog.csdn.net/xbmatrix/article/details/69360167 来源： https://www.cnblogs.com/zhouyu0-0/p/12234791.html

描述性统计分析的常用指标有平均数、方差、中位数、众数、标准差等， 提供分析对象数据的集中程度和离散程度等信息。 我们可以通过相关统计函数如： 求和、平均值、最大(小)值、中位数、众数等来描述它的数据特点。 实验1：以某公司“用户消费数据”为例，利用用户消费金额这个变量来描述 用户消费行为特征，分析了解用户消费分布。 实验步骤： 【数据】-【分析】-【数据分析】-【描述统计】 ---------------------------------------------------------------- 输入： (1)输入区域 (2)分组方式：选择分组方式，如果需要指出【输入区域】 中的数据是按行还是按列排列。这里选择[逐列]。 (3)标志位于第一行，若数据源区域第一行含有标志位，则应勾选。 否则，EXCEL字段将以"列1、列2、列3、...."作为标志。 图2-1 【描述统计】参数设置 ----------------------------------------------------------- 输出： (1)输出区域 (2)汇总统计：包含平均值、标准误差、中位数、众数、标准差、 方差、峰度、偏度、区域、最小值、最大值、求和等。 (3)平均置信度：是指总体参数值落在样本统计值某一区内的概率，常用的置信度为95%或90%。 (4)第K大(小)值：表示输入数据组的第几位最大(小

转自豆瓣： https://www.douban.com/note/686004725/ 在概率论、统计学甚至计量经济学中常会看到“矩”这个字，那什么是“矩”？ 物理意义： 数学中矩的概念来自物理学。 在物理学中，矩是表示距离和物理量乘积的物理量，表征物体的空间分布。 由其定义，矩通常需要一个参考点（基点或参考系）来定义距离。如力和参考点距离乘积得到的力矩（或扭矩），原则上任何物理量和距离相乘都会产生力矩，质量，电荷分布等。 常见的概念——力矩，虽然我们高中没学。 数学意义： 矩是物体形状识别的重要参数指标。 在统计学中，矩表征随机量的分布 。 一阶矩，期望，表位置；二阶矩，方差，表胖瘦；三阶矩，偏度，表歪斜；四阶矩，峰度，表尾巴胖瘦 。 转自知乎： https://www.zhihu.com/question/23236070/answer/143316942 “因为我们常常会将随机变量（先假定有任意阶矩）作一个线性变换，把一阶矩（期望）归零，二阶矩（方差）归一，以便统一研究一些问题。这时候，在同样期望为0方差为1的标准情况下（以下均假设随机变量满足该条件），随机变量最重要的指标就变成了接下来的两个矩了。 三阶矩 ，就是我们所称的「偏度」。粗略来说，一个典型的 正偏度变量X 的分布满足这样的特征：很大的概率X会取绝对值较小的负值，但在极少数情况下，X会取特别大的正值。可以理解为