今天我们就来聊聊统计学中的偏态分布。在谈论偏态分布之前，让我们先了解一下正态分布。下图在公众号文章中多次出现，就是传说中的正态分布。这张图中的横轴是随机变量x的具体值。正态分布的中心点是随机变量x的均值μ，以均值为中心，然后向两侧扩散。既然是均值，肯定有比均值大的点，也有比均值小的点，我们用标准差σ来表示数据集的离散程度，即距离从平均值μ。纵轴是x对应的概率密度。我们都应该知道，概率是用来表示一个值或一种情况发生的可能性。概率密度等于一个区间（随机变量x取值范围）的概率除以区间长度。横轴和纵轴围成的面积表示横轴x对应的这个区间出现的概率。x轴标记了7个点，分别是：μ，u+σ，u-σ，u+2σ，u-2σ，u+3σ，u-3σ，即距离均值1倍，2倍，3倍，标准差3倍以上的距离。可以看出，64.2%（34.1+34.1）的数据集中在（u-σ，u+σ）之间，27.2%的数据集中在（u±σ，u±2σ）之间，4.2%的数据集中在（u-σ，u+σ）之间data位于(u±2σ,u±3σ)，其余为(u±3σ,∞)。说明大部分数据还是集中在平均值周围，我们生活中的很多东西都符合正态分布，这也是为什么可以用平均值代替总体水平的原因之一，比如平均身高，平均工资等等等等。虽然大多数情况下数据呈正态分布，但也有数据不呈正态分布的情况。此时，它是一个偏态分布。有两种偏态分布，左偏和右偏。长尾在哪一边就是文章。下面第一张图的长尾是左偏的，最后一张图的长尾是右偏的。如果是左偏的，说明大部分集中在右边，即mode>median>mean；如果是右偏，说明大部分都集中在左边，即mode
