标准差标准误偏度系数和峰度系数的作用

107 阅读 0 评论 71 点赞

我是靠谱客的博主大方黄豆，最近开发中收集的这篇文章主要介绍标准差标准误偏度系数和峰度系数的作用，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

标准差和标准误是两个不同的概念，标准差就是一个变量的所有数据的离均差平方和再平均之后开平方，它是度量离散程度的指标。标准误用于估计参数的可信区间,进行假设检验等。它们与样本含量的关系不同:当样本含量 n 足够大时,标准差趋向稳定；而标准误随n的增大而减小,甚至趋于0 .联系:标准差,标准误均为变异指标,当样本含量不变时,标准误与标准差成正比。标准误的计算公式为

标准误在标准差的基础上消去了数据量带来的影响，对一些数据量相差大的数据集来说，标准误比标准差更有意义。
偏度系数和峰度系数是一个可以用来衡量数据集的分布形状的系数。

偏度系数的计算公式如下：

它是一个取值通常在-3--3之间的值，它衡量了数据集的对称程度。偏度系数越接近0，这说明数据集越对称，越远离0则表明

数据集越不对称。如果偏度系数为正，则表明他的数据在右边更为分散，若为负的，则说明他的左侧更为分散。

峰度系数的计算公式如下：

它是用数据集的四阶中心矩来计算出来的。正态分布的峰度系数为3.峰度系数越接近0，就说明数据集的分布峰度与正态分布越相似。越远离0，数据集的分布峰度就越和正态分布不相似。如果说峰度系数为负，则表明数据集较为集中，两侧数据集较少。如果它为正则相反。如果偏度系数和峰度系数都为0的时候，则该数据集服从一个标准的正态分布。