偏斜度的主要事实
偏斜度 量化分布的对称程度。
•对称分布的偏斜度为零。
•非对称分布的尾部较长（数值较高），其偏斜度为正。
•不对称分布的长尾偏左（数值较低），其偏斜度为负。
•偏斜度是无单位的。
•任何阈值或经验法则都是任意的，但这里有一个阈值或经验法则：如果偏斜度大于 1.0（或小于-1.0），则偏斜度很大，分布远非对称。
偏斜度的计算方法
偏斜度有多种定义方法。下面的步骤解释了 Prism 使用的方法，即 G1（最常用的方法之一）。它与 Excel 中的偏斜度（）函数相同。
1.我们想了解样本平均数周围的对称性。因此，第一步是从每个值中减去样本平均值，结果将是大于平均值的值为正，小于平均值的值为负，完全等于平均值的值为零。
2.要计算无单位的偏斜度，可将步骤 1 中计算出的每个差值除以数值的标准偏差（注意，计算偏斜度时，应使用 N 而不是 N-1 来计算标准偏差）。这些比率（每个值与平均值之间的差除以标准偏差）称为 z 分数。
3.对每个值计算z3。请注意，将数值立方后符号不变。正值的立方仍然是正值，负值的立方仍然是负值。
4.计算z3值的平均值（计算所有z3值的总和，然后用总和除以样本中的值数）。如果分布是对称的，正值和负值将相互平衡，平均值将接近零。如果分布不对称，分布向右偏斜时，平均值将为正值，向左偏斜时，平均值将为负值。这个平均值称为费希尔-皮尔逊偏斜系数，有时也用"g1"表示。
5.纠正偏度。步骤 4 计算出的平均值在样本较少时会出现偏差，即绝对值比实际值要小。将z3的平均值乘以比率 sqrt(N*(N-1))/(N-2)，可以纠正偏差。如果偏斜度为正，则修正后的值会增大；如果偏斜度为负，则修正后的值会减小。当 N 越大时，校正值越接近 1，因此校正值越小。但对于小样本，校正的效果会更好。最终修正值有时称为 "调整后的费希尔-皮尔逊偏斜系数"，有时也称为"G1"。这就是 Prism 报告的偏斜度值。
Prism 报告的偏斜度值的完整公式如下：
其中
