关于偏斜度的重要事实
偏斜度用于量化分布的对称程度。
•对称分布的偏斜度为零。
•长尾向右的非对称分布（较高的值）存在一个正偏态。
•长尾向左的非对称分布（较低的值）存在一个负偏态。
•偏度是无单位量纲。
•任何阈值或经验法则均为任意值，但以下情况除外：如果偏斜度大于1.0（或小于-1.0），则偏斜度相当大，且分布远离对称。
如何计算偏斜度
以多种方式定义偏斜度。以下步骤解释了Prism所使用的方法，称为G1（最常见的方法之一）。其与Excel中的偏态（）函数相同。
1.我们想知道样本平均值周围的对称性。因此，第一步是从每个值中减去样本平均值。对于大于平均值的值，结果为正；对于小于平均值的值，结果为负；对于完全等于平均值的值，结果为零。
2.如需计算无单位的偏斜度度量，将步骤1中计算的每个差异除以值的标准偏差（请注意，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（每个值与平均值之差除以标准偏差）称为“z评分”。
3.针对每个值计算z3。请注意，立方值保留符号。正值的立方仍为正，且负值的立方仍为负。
4.计算z3值的平均值（计算所有z3值的总和，并将此总和除以样本中的数值）。如果分布对称，则正值和负值将相互抵消，平均值将接近零。如果分布不对称，分布向右倾斜时，平均值为正值；向左倾斜时，平均值为负值。此平均值称为Fisher-Pearson偏斜度系数，有时用“g1”表示。
5.偏差修正。步骤4中计算的平均值在小样本情况下有偏倚 - 其绝对值小于应有值。通过将z3的平均值乘以比率sqrt（N*（N-1））/（N-2）来校正偏倚。如果偏斜度为正值，则该修正会增大该值；如果偏斜度为负值，则该值会变成更小的负值。随着N变得越来越大，这种校正变得越来越接近值1，导致校正量减少。但对于小样本，该修正更为重要。最终校正值有时被称为“调整后的Fisher-Pearson偏斜度系数”，有时称为“G1”。这是Prism报告的偏斜值。
Prism报告的偏斜值的完整公式如下：
其中：
