，方差则是二阶中心矩

。

1. 偏度

偏度，Skewness，是研究数据分布对称的统计量。通过对偏度系数的测量，我们能够判定数据分布的不对称程度以及方向。

具体来说，对于随机变量X，我们定义偏度为其的三阶标准中心矩:

而对于样本的偏度，我们一般简记为SK，我们可以基于矩估计，得到有：

但考虑到，上式的分子分母都不是无偏估计量，因此也有计算公式为：

值得注意的是，上述两种样本偏度的最后计算结果都属于有偏估计。

偏度的衡量是相对于正态分布来说，正态分布的偏度为0。因此我们说，若数据分布是对称的，偏度为0.若偏度>0,则可认为分布为右偏，即分布有一条长尾在右；若偏度0，分布右偏，长尾在右，高峰在左，这似乎与一般认知不太一致。但其实我们可以发现偏度实际上是三阶标准中心矩，而一个数据距离“中心”越远，对中心矩的计算影响越大。而当数据长尾在右，即有更多正偏的离群值，因此偏度>0;

2.峰度

峰度，Kurtosis，是研究数据分布陡峭或平滑的统计量，通过对峰度系数的测量，我们能够判定数据分布相对于正态分布而言是更陡峭还是平缓。

具体来说，对于随机变量X，我们定峰度为其的四阶标准中心矩:

而对于样本的峰度，我们一般简记为K，可通过如下公式计算样本的峰度系数：

同样考虑到，上式的分子分母都不是无偏估计量，因此也有计算公式为：

特别需要注意的是，峰度其实也是一个相对于正态分布的对比量，正态分布的峰度系数为0，而均匀分布的峰度为-1.2，指数分布的峰度为6。

当峰度系数>0，从形态上看，它相比于正态分布要更陡峭或尾部更厚；而峰度系数