첨도는 데이터 분포의 뾰족함을 나타내는 척도입니다. 데이터가 중심에 많이 몰려 있을수록 뾰족한 모양이 되고, 두루 퍼지면 구릉모양을 보이게 됩니다. 첨도(尖度, 영어: kurtosis 커토시스[*])는 확률분포의 꼬리가 두꺼운 정도를 나타내는 척도이다. 극단적인 편차 또는 이상치가 많을 수록 큰 값을 나타낸다. 첨도값(K)이 3에 가까우면 산포도가 정규분포에 가깝다. 3보다 작을 경우에는(K3) 정규분포보다 꼬리가 두꺼운 분포로 판단할 수 있다. [자료출처-위키백과 참조]

왜도(Skewness)는 데이터 분포의 좌우 비대칭도를 나타내는 척도입니다. 데이터가 얼마나 대칭적이지 않은지를 수치로 표현하는 것으로, 분포가 왼쪽이나 오른쪽으로 얼마나 치우쳐 있는지를 나타냅니다. 예를 들어, 정규분포는 왜도가 0이며, 분포가 오른쪽으로 긴 꼬리를 가지면 왜도는 양수가 되고, 왼쪽으로 긴 꼬리를 가지면 음수가 됩니다 왜도를 측정하는 방법에는 여러 가지가 있지만, 피어슨의 비대칭 계수(Pearson’s skewness coefficients)가 간단하고 이해하기 쉽습니다. 이는 평균값(mean), 중앙값(median), 최빈값(mode) 간의 차이를 비교한 후, 그 차이를 표준편차(standard deviation)로 나눈 값을 사용합니다. 수식으로는 다음과 같이 표현할 수 있습니다: ..