偏态分布的均值与中位数关系
如何解释均值和中位数的大小关系呢?
-
实验室要处理敦煌莫高窟人流数据处理的任务,观察到每个洞窟的访问时间应该时遵循正偏态分布的。于是想起数据挖掘课上提到的正偏态分布中,均值大于中位数的问题。思考很久无法证明。
-
关于正偏态,正态和负偏态的图如下。
-
正偏也叫右偏,看起来好像是峰值在左,怎么会叫右偏呢?按维基百科的解释是:传统定义,均值大于中位数的称为右偏,也可以理解为长尾在右侧。同理可知,负偏也叫左偏。
-
一般网上还有课本上对均值和中位数大小关系的分析是这样的。
如果数据是右偏分布,说明数据存在极大值,必然拉动平均数向极大值一方靠。
如果数据是左偏分布,说明数据存在极小值,必然拉动平均数向极小值一方靠。
- 一个非常直观的解释图如下(来自知乎,负偏可以画相反的图)。
![](https://img2018.cnblogs.com/blog/1575054/201901/1575054-20190108204906807-1130943847.png)
若分布处于左侧实线和右侧虚线的状态时,中位数和均值是相等的,可以理解为左右两边的值个数相同,两两平均到中位数上。但是实际情况是右侧小的值更多,大的值更少了,值的个数还是不变的。但是这样就不够抵消左侧的值,平均到中位数上了。所以平均值要向左移动。于是均值小于中位数。
- 后来查看知乎和维基百科,发现均值大于中位数其实是个直觉感受,并不能证明,只是传统是这样定义的,而且均值还可能小于中位数。原话如下。
The skewness is not directly related to the relationship between the mean and median: a distribution with negative skew can have its mean greater than or less than the median, and likewise for positive skew.
- 其实众数,中位数和均值三者的大小关系都是不确定的。