Bỏ qua đến nội dung chính
Mục lục

Skewness là gì? Độ lệch, độ nhọn (kurtosis) của phân bố

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 8/12 · Chương 3

Thống kê mô tả: độ phân tán và vị trí

  • 9 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Skewness (độ lệch, hay hệ số bất đối xứng) là con số cho biết phân bố của dữ liệu lệch về bên nào: dương khi đuôi dài nằm bên phải, âm khi nằm bên trái, gần 0 khi hai bên cân. Kurtosis (độ nhọn) đi kèm nó, cho biết đuôi của phân bố dày hay mỏng. Bạn dùng hai số này để tả hình dạng của một cột như lương hay thời gian chờ mà không cần vẽ.

Cần biết trước: z-score, trung bình, trung vị, mốt và DataFrame.

Công thức skewness

Skewness đo lập phương của z-score: lập phương giữ dấu, nên giá trị xa bên phải góp số dương lớn, giá trị xa bên trái góp số âm lớn. Dạng cơ bản, ký hiệu g1, là:

g1=1n∑i=1nzi3g_1 = \frac{1}{n}\sum_{i=1}^{n} z_i^3

Trong đó:

  • n (len(x)): số giá trị.

  • z với chỉ số i: z-score của giá trị thứ i, (xᵢ − x̄)/σ, với σ chia n (np.std(x, ddof=0)).

  • g1: skewness, không có đơn vị.

Đọc dấu cùng với vị trí trung bình và trung vị, như bài trung bình, trung vị, mốt: g1 > 0 là lệch phải, đuôi dài bên phải kéo trung bình lên trên trung vị; g1 < 0 là lệch trái; |g1| dưới khoảng 0,5 thì coi như gần đối xứng.

Công thức kurtosis

Kurtosis dùng lũy thừa bậc bốn, nên chỉ những giá trị rất xa trung bình mới góp đáng kể: nó đo độ dày của đuôi. Phân phối chuẩn có trung bình z⁴ bằng 3, nên người ta trừ 3 để mốc của phân phối chuẩn là 0, và gọi đó là độ nhọn thừa (excess kurtosis):

g2=1n∑i=1nzi4−3g_2 = \frac{1}{n}\sum_{i=1}^{n} z_i^4 - 3

Trong đó:

  • z với chỉ số i, n: như công thức trên.

  • g2: độ nhọn thừa; dương là đuôi dày hơn phân phối chuẩn (nhiều giá trị cực đoan), âm là đuôi mỏng hơn.

Tính tay trên sáu số

Sáu khách chờ món 2, 3, 3, 4, 4, 14 phút; một khách gặp lúc bếp quá tải.

Bước

Việc

Kết quả

1

Trung bình

x̄ = 30 / 6 = 5

2

Độ lệch

−3, −2, −2, −1, −1, 9

3

Phương sai chia n, σ

100 / 6 ≈ 16,667, σ ≈ 4,082

4

Tổng lập phương độ lệch, chia n, chia σ³

684 / 6 = 114; g1 ≈ 114 / 68,04 ≈ 1,675

5

Tổng lũy thừa bốn, chia n, chia σ⁴, trừ 3

6676 / 6 ≈ 1112,67; g2 ≈ 4,006 − 3 ≈ 1,006

Năm độ lệch âm nhỏ, một độ lệch dương lớn: lập phương của 9 là 729, lấn át cả năm số âm cộng lại. Khối dưới tính lại bằng Python thuần; sửa dãy rồi bấm Chạy:

python
import math

cho = [2, 3, 3, 4, 4, 14]
n = len(cho)
x_tb = sum(cho) / n
sigma = math.sqrt(sum((v - x_tb) ** 2 for v in cho) / n)
z = [(v - x_tb) / sigma for v in cho]
g1 = sum(t ** 3 for t in z) / n
g2 = sum(t ** 4 for t in z) / n - 3
print("x̄ =", x_tb, " σ =", round(sigma, 3))
print("g1 =", round(g1, 3), " g2 =", round(g2, 3))

KẾT QUẢ

x̄ = 5.0  σ = 4.082
g1 = 1.675  g2 = 1.006

Đổi 14] thành 5] rồi chạy lại: dãy 2, 3, 3, 4, 4, 5 cân hai bên quanh 3,5, và dòng hai in g1 = 0.0.

Series.skew() và Series.kurt() của pandas

pandas tính hai số này bằng Series.skew() và Series.kurt(), trên cả bảng bằng df.skew(), df.kurt():

python
import pandas as pd

cho = pd.Series([2, 3, 3, 4, 4, 14])
print("skew():", round(cho.skew(), 3))
print("kurt():", round(cho.kurt(), 3))

KẾT QUẢ

skew(): 2.294
kurt(): 5.433

Hai số lớn hơn hẳn g1 = 1,675 và g2 = 1,006. pandas không sai: nó nhân thêm một hệ số hiệu chỉnh cho mẫu nhỏ (skewness nhân √(n(n − 1))/(n − 2), kurtosis có hệ số riêng; cùng cách với SKEW, KURT của Excel), nên với 6 giá trị chênh nhiều, với vài trăm giá trị thì hai cách gần như trùng. kurt() cũng đã trừ 3. Còn scipy.stats.skew() và kurtosis() mặc định trả đúng g1, g2 của công thức trên.

Áp vào lương theo ngành

File luong_nganh.csv là số giả lập của AIDev để luyện tập: lương tháng (triệu đồng) của 750 người ở năm ngành. Lương có sàn mà không có trần, nên đoán trước là lệch phải:

python
import numpy as np
import pandas as pd

luong = pd.read_csv("luong_nganh.csv")["luong_trieu"]
print("skew:", round(luong.skew(), 2),
      " kurt:", round(luong.kurt(), 2))
print("TB:", round(luong.mean(), 1),
      " trung vị:", round(luong.median(), 1))
print("skew của log:", round(np.log(luong).skew(), 2))

KẾT QUẢ

skew: 1.41  kurt: 2.48
TB: 16.8  trung vị: 14.8
skew của log: 0.13

Skewness 1,41 và trung bình hơn trung vị 2 triệu: lệch phải rõ. Lấy log thì skewness còn 0,13, gần đối xứng: dữ liệu lệch phải kiểu này hay được log trước khi phân tích tiếp. Histogram cho thấy cái đuôi mà con số 1,41 tả:

python
import pandas as pd
import matplotlib.pyplot as plt

luong = pd.read_csv("luong_nganh.csv")["luong_trieu"]
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(luong, bins=range(0, 58, 2), edgecolor="white")
ax.axvline(luong.median(), color="k", label="Trung vị")
ax.axvline(luong.mean(), color="k", ls="--", label="Trung bình")
ax.set(title=f"Lương 750 người, skewness = {luong.skew():.2f}",
       xlabel="Lương tháng (triệu đồng)", ylabel="Số người")
ax.legend()
plt.show()
Histogram lương tháng 750 người từ 0 đến 56 triệu đồng, trục y là số người; đỉnh ở khoảng 10 đến 14 triệu, đuôi phải kéo dài tới khoảng 55 triệu, đường trung bình 16,8 nằm bên phải đường trung vị 14,8.

Đỉnh lệch về bên trái, đuôi dài bên phải, và đường trung bình đứng bên phải trung vị: ba dấu hiệu của skewness dương.

Mô phỏng: ba hình dạng, hai con số

Khối dưới rút 10.000 số từ ba phân phối, đặt thành ba cột của một DataFrame, rồi tính skew() và kurt() cho từng cột:

python
import numpy as np
import pandas as pd

rng = np.random.default_rng(22)
bang = pd.DataFrame({"chuẩn": rng.normal(0, 1, 10_000),
                     "đều": rng.uniform(0, 1, 10_000),
                     "mũ": rng.exponential(1, 10_000)})
kq = pd.DataFrame({"skew": bang.skew(), "kurt": bang.kurt()})
print(kq.round(2))

KẾT QUẢ

       skew  kurt
chuẩn  0.01  0.03
đều   -0.00 -1.22
mũ     1.90  5.03

Lần chạy này cho thấy ba "dấu vân tay": chuẩn gần (0, 0); đều đối xứng (−0,00 là một số âm rất nhỏ đã làm tròn) nhưng đuôi mỏng, kurtosis âm; mũ lệch phải mạnh, đuôi dày. Giá trị lý thuyết là (0, 0), (0, −1,2) và (2, 6); các số của mũ lệch nhiều nhất vì bậc ba, bậc bốn rất nhạy với vài giá trị lớn. Đổi default_rng(22) thành default_rng(9) để thấy số của cột mũ dao động mạnh hơn hai cột kia.

Kiểm tra nhanh

  1. Sau import pandas as pd, print(bool(pd.Series([1, 2, 3, 4, 20]).skew() > 0)) in ra gì?

    • True
    • False
  2. Một cột thời gian giao hàng có trung bình 21 giờ, trung vị 19 giờ. Câu nào đúng nhất?

    • Skewness nhiều khả năng dương: vài đơn rất chậm kéo trung bình lên trên trung vị
    • Skewness âm, vì trung vị nhỏ hơn trung bình
    • Không nói được gì về hình dạng
    • Phân bố đối xứng, vì hai số chỉ chênh 2 giờ
  3. Trong khung bẫy, vì sao kurt() của 10.000 số rút từ phân phối chuẩn chỉ khoảng 0,03?

    • Vì 10.000 số chưa đủ để có độ nhọn
    • Vì kurt() trả độ nhọn thừa, đã trừ 3, nên mốc của phân phối chuẩn là 0
    • Vì hạt giống 22 tình cờ rút ra dữ liệu dẹt
    • Vì pandas tính kurtosis bằng ddof=1
  4. Với sáu thời gian chờ 2, 3, 3, 4, 4, 14 phút, g1 tính tay là 1,675 còn Series.skew() cho 2,294. Vì sao?

    • Vì tính tay sai một bước
    • Vì pandas dùng trung vị thay cho trung bình
    • Vì pandas nhân thêm hệ số hiệu chỉnh cho mẫu nhỏ; với 6 giá trị hệ số đó lớn
    • Vì pandas lấy lũy thừa bốn thay cho lập phương
Đúng hết lần đầu +15 XP

Bài tập

Tính skewness g1 của một dãy

Bạn cần một số đo lệch đúng như công thức của bài để kiểm lại báo cáo. x là list (hay mảng) có ít nhất ba số, không bằng nhau hết. Viết thân hàm he_so_lech(x) trả g1: trung bình của lập phương các z-score, với z = (x − x̄)/σ và σ chia n.

Không dùng .skew(), .kurt() (kể cả qua .agg("skew")) hay scipy. Hàm không sửa x của nơi gọi.

Trả về: g1, một float.

Ví dụ he_so_lech([2, 3, 3, 4, 4, 14]) cho khoảng 1.6755.

python
import numpy as np


def he_so_lech(x):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Skewness g1 là trung bình lập phương của z: dương là lệch phải, âm là lệch trái, gần 0 là gần đối xứng.

  • Kurtosis đo độ dày của đuôi; độ nhọn thừa g2 trừ 3 để phân phối chuẩn có mốc 0.

  • Series.skew(), Series.kurt() (và SKEW, KURT của Excel) thêm hệ số hiệu chỉnh mẫu nhỏ; kurt() đã trừ 3.

  • Dữ liệu lệch phải như lương có trung bình trên trung vị; lấy log thường đưa skewness về gần 0.

  • Hai số này dao động nhiều ở mẫu nhỏ và nhạy với vài giá trị cực đoan: luôn xem kèm histogram.

Câu hỏi thường gặp

Kurtosis là gì?

Kurtosis (độ nhọn) đo đuôi của phân bố dày hay mỏng so với phân phối chuẩn, tức dữ liệu có nhiều giá trị cực đoan hay không. Tên gọi "độ nhọn" dễ gây hiểu lầm: nó nói về đuôi nhiều hơn về đỉnh. Với kurt() của pandas, phân phối chuẩn là 0.

Skewness bao nhiêu thì coi là lệch?

Một mốc hay dùng: |g1| dưới 0,5 gần đối xứng, từ 0,5 đến 1 lệch vừa, trên 1 lệch mạnh. Đó là mốc quen dùng để đọc nhanh; với vài chục giá trị, skewness dao động lớn, nên hãy xem kèm histogram.

Lệch phải thì trung bình hay trung vị lớn hơn?

Thường thì trung bình lớn hơn trung vị, vì đuôi phải kéo trung bình theo. Bài trung bình, trung vị, mốt dùng điều này để chọn số đo trung tâm cho dữ liệu lệch.

Excel tính skewness bằng hàm nào?

SKEW cho cùng số với Series.skew(), KURT cho cùng số với Series.kurt(). Bản không hiệu chỉnh của Excel là SKEW.P.

Chủ đề

skewness là gì

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập