描述数据分布形状的统计量主要有偏度系数和峰度系数。偏度系数是一种衡量数据不对称程度的统计量，它能反映数据分布的偏斜方向和程度。
另一方面，峰度系数则用于度量数据在中心聚集程度，也就是数据的分布形状的高低程度，它可以反映数据的尖峰或扁平程度。
总的来说，通过这两个统计量，我们可以全面把握数据分布的特征。
关于描述数据分布形状的统计量主要有以下几种：
均值（Mean）：是衡量一个数据集的均衡程度最常用的指标。它是观测值的算术平均值，由所有观测值除以观测值的数量得到。通常，均值可以反映数据集中所有观测值的总体属性。
中位数（Median）：是将数据集按大小顺序排列，处于中间位置的数值。如果数据集的观测值数量是奇数，则中位数就是位于中间位置的数值；如果观测值数量是偶数，则中位数是位于中间两个位置的两个数值的平均值。中位数对于处理偏态分布的数据有一定效果。
众数（Mode）：是数据集中出现次数最多的数值。众数能够反映数据的集中趋势和分布情况。
标准差（Standard Deviation）：是衡量数据分布散度的统计量。标准差越大，说明观测值之间的差异越大；标准差越小，说明观测值之间的差异越小。
偏度系数（Skewness Coefficient）：用于描述数据分布的对称性。偏度系数越接近0，则数据的分布越对称；偏度系数为正，则数据分布为右偏；偏度系数为负，则数据分布为左偏。
峰度系数（Kurtosis Coefficient）：用于描述数据分布的峰值高低。峰度系数越大，说明观测值的分布越陡峭；峰度系数越小，说明观测值的分布越扁平。
这些统计量可以从不同的角度描述数据的分布形状，在实际应用中可以根据具体需求选择合适的统计量进行分析。
