polars.Series.skew

Series.skew(
    *,
    bias: bool = True,
) → float | None

Вычисляет выборочную асимметрию набора данных.

Для нормально распределённых данных асимметрия должна быть близка к нулю. Для унимодальных непрерывных распределений значение асимметрии больше нуля означает, что в правом хвосте распределения сосредоточено больше значений. Функцию skewtest можно использовать, чтобы с точки зрения статистики определить, достаточно ли близко значение асимметрии к нулю.

Дополнительную информацию см. в scipy.stats.

Параметры:

biasbool, optional

Если False, расчёты корректируются с учётом статистического смещения.

Примечания

Выборочная асимметрия вычисляется как коэффициент асимметрии Фишера — Пирсона, то есть

\[g_1=\frac{m_3}{m_2^{3/2}}\]

где

\[m_i=\frac{1}{N}\sum_{n=1}^N(x[n]-\bar{x})^i\]

— смещённый центральный момент выборки порядка \(i\texttt{th}\), а \(\bar{x}\) — выборочное среднее. Если bias равно False, расчёты корректируются с учётом смещения, и вычисляется скорректированный стандартизованный моментный коэффициент Фишера — Пирсона, то есть

\[G_1 = \frac{k_3}{k_2^{3/2}} = \frac{\sqrt{N(N-1)}}{N-2}\frac{m_3}{m_2^{3/2}}\]

Примеры

>>> s = pl.Series([1, 2, 2, 4, 5])
>>> s.skew()
0.34776706224699483