偏正态分布是一种在正态分布基础上引入偏度参数的连续概率分布，能够灵活描述数据分布的非对称性，广泛应用于金融、工程、生物统计等领域。 其核心特征在于通过一个形状参数（通常记为λ）控制分布曲线的偏斜方向与程度：当λ=0时退化为标准正态分布；λ>0时分布右偏（长尾在右侧），λ<0时左偏（长尾在左侧）。偏正态分布的概率密度函数可表示为f(x)=2φ(x)Φ(λx)，其中φ为标准正态密度，Φ为其累积分布函数。该分布既保留了正态分布的可加性与数学易处理性，又能刻画真实世界中如收益回报、风速测量等非对称数据，因此成为现代统计建模的重要工具。
【常见问题】
问题1：偏正态分布与普通正态分布的主要区别是什么？
回答1：偏正态分布与普通正态分布的核心区别在于它引入了偏度参数，能够描述数据分布的不对称性。普通正态分布是对称的，而偏正态分布通过参数λ调整偏斜方向，更贴合实际中如金融收益率、地理数据等非对称分布情况。
问题2：如何判断一组数据是否适合用偏正态分布建模？
回答2：判断数据是否适合偏正态分布建模，可先绘制直方图或密度图观察其对称性，若呈现明显偏态（如单侧长尾），则初步考虑偏正态分布。进一步可通过拟合优度检验（如KS检验）或比较对数似然值，确认偏正态分布参数λ的显著性。实际应用中，偏正态分布常用于处理具有厚尾或偏斜特征的连续数据。
问题3：偏正态分布的参数λ如何影响图形形状？
回答3：偏正态分布的参数λ控制分布的偏斜方向和程度。当λ=0时，分布完全对称，即为标准正态分布；λ>0时，概率密度函数右偏，右侧尾部更长，均值大于中位数；λ<0时，左偏，左侧尾部更长。λ绝对值越大，偏斜程度越强，图形不对称性越明显。