在统计理论和分析中，变化的程度通常用数值数据来表示，其唯一目的是进行比较。我们通常计算一个数字来代表整个数据集，这被称为“平均值”。然而，它没有规定任何特定的方法来确定系列的组成。因此，需要采取额外的措施，使我们了解项目之间的差异或在平均水平附近的差异。为了理解统计学中定量分析的非常详细的概念，我们使用了离散度和偏度的度量。离散度是中心位置周围分布范围的度量，而偏度是统计分布不对称性的度量。

什么是分散(dispersion)？

在统计学中，离散度是衡量数据分布情况的一种方法，这意味着它指定了数据集中的值在大小上如何不同。它是围绕中心点分布的统计分布的范围。它主要决定数据集围绕其中心点的项目的可变性。简单地说，它衡量的是平均值周围的变化程度。离散度的度量对于确定位置度量周围的数据扩散非常重要。例如，方差是离散度的标准度量，它指定了数据如何分布在平均值周围。色散的其他度量是范围和平均偏差。

什么是偏斜(skewness)？

偏度是关于某一点的分布不对称性的度量。分布可以是轻度不对称、强烈不对称或对称的。分布不对称性的度量是用偏度来计算的。在正偏态的情况下，分布称为右偏态，而当偏态为负时，分布称为左偏态。如果偏度为零，则分布是对称的。偏度是根据平均值、中位数和模式来测量的。根据数据点是向左倾斜还是向右倾斜，偏度的值可以是正的、负的或未定义的。

离散度和偏度的区别

1. 离散度与偏度的定义

在统计术语和概率论中，离散度是随机变量或其概率分布的取值范围的大小。它描述分布被拉伸或扩展到的范围。简单地说，它是研究项目可变性的一种方法。偏度，另一方面，是衡量一个随机变量关于其均值的统计分布的不对称性。偏度的值可以是正的，也可以是负的，或者有时是未定义的。简单地说，不对称分布被认为是偏斜的

1. 离散度与偏度的度量

离散度的度量是指变化偏离其中心值的程度。更准确地说，它测量了一个变量的值在平均值附近的变化程度。离散度表示数据的扩散。偏度的度量意味着分布的不对称程度，并确定数据点是向右偏斜还是向左偏斜。如果说分布向左倾斜，那么这个值是负的，如果分布向右倾斜，这个值是正的。

1. 离散度与偏度的计算

色散是根据一定的平均值来计算的。它是一种统计计算，用来衡量变异程度，有许多不同的方法来计算离散度，但最常见的两种方法是范围和平均偏差。范围是一组数据中最大值和最小值之间的差值，而平均偏差是函数值偏离中心点的绝对值的平均值。偏度，另一方面，是计算的基础上，平均数，中位数和模式。如果平均值大于模式，则为正偏差；如果平均值小于模式，则为负偏差。此外，在对称分布的情况下，分布具有零偏斜。

1. 色散与偏态的应用

离散度主要用来描述一组数据之间的关系，并从它们的平均值中确定数据值的变化程度。统计离散可以用于其他统计方法，如回归分析，这是一个用来理解变量之间关系的过程。它也可以用来测试平均值的可靠性。偏度，另一方面，处理的性质分布在一组数据。在涉及大量资产收益率、股价等数据的金融领域进行经济分析时，它是非常有用的。

离散度与偏度：比较图

总结 - 分散度(of dispersion) vs. 偏斜(skewness)

两者都是统计分析和概率论中最常用的术语，用来描述包含大量数值数据的数据集。离散度是计算数据的可变性或研究数据之间或其平均值周围的变化的一种度量。它主要处理数据值在围绕中心点的集合中的分布。它可以用多种方法测量，超出范围和平均偏差是最常见的。偏态性是用来衡量数据集中正态分布的不对称性，即分布偏离平均值的程度。