偏度计算器

偏度在线计算器

数字：	5,20,40,80,100 通过英文逗号(,)分隔。

结果：
偏度：
平均值：
标准偏差SD：
Sum of (y(i)-y(mean)^3

在机率论和统计学中，偏度衡量实数随机变量概率分布的不对称性。偏度的值可以为正，可以为负或者甚至是无法定义。在数量上，偏度为负（负偏态）就意味着在概率密度函数左侧的尾部比右侧的长，绝大多数的值（包括中位数在内）位于平均值的右侧。偏度为正（正偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（包括中位数在内）位于平均值的左侧。偏度为零就表示数值相对均匀地分布在平均值的两侧，但不一定意味着其为对称分布。

偏度分为两种：负偏态或左偏态：左侧的尾部更长，分布的主体集中在右侧。正偏态或右偏态：右侧的尾部更长，分布的主体集中在左侧。如果分布对称，那么平均值=中位数，偏度为零（此外，如果分布为单峰分布，那麽平均值=中位数=众数）。

偏度计算公式

x: 样本平均值。

x_i:第i个样本。

n: 样本个数。

s: 标准偏差。

g: 样本偏度。

热门工具

偏度计算器

首页 › 统计 › 偏度计算器

最后更新：2026年11月1日 · 公式与示例已人工校对

偏度描述数据分布的对称程度。偏度为 0 表示左右对称，像标准正态分布；大于 0 是右偏（正偏），长尾拖在右侧，多数数据集中在左侧，比如收入分布；小于 0 是左偏（负偏），长尾在左侧，比如考试分数偏高时。偏度能帮你判断该用均值还是中位数描述数据中心，右偏数据里均值会被大值拉高，中位数更可靠。

使用方法

把整组数据填入输入框，用逗号、空格或换行分隔

选择样本偏度（Excel 的 SKEW）或总体偏度（SKEW.P），样本量小时差别明显

看符号判断方向：正数右偏，负数左偏，绝对值小于 0.5 一般视为近似对称

结合均值和中位数一起看：均值明显大于中位数，通常是右偏

计算公式

样本偏度	g₁ = n ÷ [(n−1)(n−2)] × Σ[(xᵢ − x̄) ÷ s]³ 对应 Excel 的 SKEW 函数
总体偏度	G₁ = (1÷n) × Σ[(xᵢ − μ) ÷ σ]³ 对应 Excel 的 SKEW.P 函数
简易判定	偏度 ≈ 3 × (均值 − 中位数) ÷ 标准差只作快速估算，精确值用上面公式
强弱分级	\|偏度\| < 0.5 近似对称；0.5~1 中度偏斜；> 1 高度偏斜经验分级，不同领域标准略有差异

样本偏度

g₁ = n ÷ [(n−1)(n−2)] × Σ[(xᵢ − x̄) ÷ s]³ 对应 Excel 的 SKEW 函数

总体偏度

G₁ = (1÷n) × Σ[(xᵢ − μ) ÷ σ]³ 对应 Excel 的 SKEW.P 函数

简易判定

偏度 ≈ 3 × (均值 − 中位数) ÷ 标准差只作快速估算，精确值用上面公式

强弱分级

|偏度| < 0.5 近似对称；0.5~1 中度偏斜；> 1 高度偏斜经验分级，不同领域标准略有差异

计算示例

数据：1, 2, 2, 3, 3, 3, 4, 4, 20

n = 9，均值 = 4.67，中位数 = 3
均值明显大于中位数，可以先判断为右偏
标准化偏差的三次方求和为正，样本偏度约 2.4
结论：高度右偏，末尾的 20 是拉长右尾的极端值
描述中心趋势时应使用中位数 3，而不是均值 4.67

结果：偏度约 2.4，高度右偏，用中位数描述更准确

要点与常见误区

偏度看方向，峰度看尖锐程度，两者常一起用于判断数据是否接近正态分布

右偏时均值被大值抬高，右偏越强，均值和中位数的差距越大

样本量小于 8 时偏度极不稳定，一个异常值就能让符号翻转

做对数变换常能消除右偏，这是处理收入、房价类数据的常规手段

常见问题

偏度大于 0 是左偏还是右偏

大于 0 是右偏，也叫正偏。特点是长尾拖在数值大的一侧，大多数数据集中在小值区。记忆方法：偏度的符号跟着尾巴的方向走，尾巴在右边就是右偏。

偏度和峰度有什么区别

偏度描述左右不对称程度，看的是尾巴偏向哪边；峰度描述分布的尖峭程度和尾部厚度，看的是中间多尖、两边多厚。正态分布的偏度为 0、峰度为 3（超额峰度为 0）。

数据右偏怎么办

可以尝试对数变换、平方根变换或 Box-Cox 变换，把数据拉回近似对称后再做参数检验。如果只是描述统计，直接用中位数和四分位距代替均值和标准差即可。

偏度多少算不正常

一般认为绝对值超过 1 就是高度偏斜，使用均值类统计量要谨慎。绝对值在 0.5 以内可以视作近似对称，0.5 到 1 之间为中度偏斜，做 t 检验之类的影响不大。