偏度（Skewness）是 衡量数据分布不对称程度的统计量。它反映了数据分布相对于其均值的偏斜方向和程度。具体来说，正偏度表示数据分布向右偏斜，长尾部分位于右侧；负偏度则表示数据分布向左偏斜，长尾部分位于左侧。偏度的存在表明数据在某一方向上存在较为极端的值，这些极端值可能是潜在的异常数据。
偏度的计算公式为：
\[ S_k = \frac{\sum_{i=1}^{n} （x_i - \mu）^3}{n \cdot s^3} \]
其中：
\（ x_i \） 是从总体中随机抽取的一个样本数据
\（ \mu \） 是样本的算术平均数
\（ s \） 是样本的标准差
\（ n \） 是样本容量
根据偏度的值，可以将数据分布分为以下三类：
正态分布：
偏度 \（ S_k = 0 \），数据分布是对称的。
右偏分布（正偏分布）：偏度 \（ S_k > 0 \），数据分布有一个长长的右尾，即数据中存在较大的值较多。
左偏分布（负偏分布）：偏度 \（ S_k < 0 \），数据分布有一个长长的左尾，即数据中存在较小的值较多。
偏度在统计学中被广泛应用于各个领域的数据分析中，帮助研究者了解数据的偏斜性质，从而更好地进行数据分析和决策。