偏度（Skewness）是衡量 数据分布非对称程度的统计量。它反映了数据分布的偏斜方向和程度。如果数据分布是对称的，那么偏度为零；如果数据分布是不对称的，偏度不为零。偏度有两种类型：

正偏度（Positive Skewness）：

表示数据分布有一个长长的右尾，即数据中存在较大的值较多。

负偏度（Negative Skewness）：

表示数据分布有一个长长的左尾，即数据中存在较小的值较多。

偏度的计算公式为：

\[ Sk = \frac{E[（X - \mu）^3]}{\sigma^3} \]

其中，\（ X \） 是随机变量，\（ \mu \） 是均值，\（ \sigma \） 是标准差，\（ E \） 是期望值。

通过测量偏度，我们可以判定数据分布的不对称程度以及方向，从而更好地理解数据的分布特征。正态分布的偏度是0，因为它是对称的。

建议在实际应用中，结合偏度和其他描述性统计量（如峰度）来全面评估数据的分布特征，以便更准确地做出数据分析和决策。