正偏态（positive skewness）分布不对称为偏态。分布高峰偏左，长尾向右延伸的偏态分布称为正偏态，亦称右偏态。此时均数大于众数。

正偏态分布指在一个不对称或偏斜的次数分布中，次数分布的高峰偏左，而长尾则从左侧逐渐延伸于右端。即次数分布的众数在较小分数或量数的一侧(左侧)，而长尾是在较大分数或量数的一侧(右侧)。这种分布的偏态系数大于零。

正态分布之概率密度是对直线左右对称的。它的均值(数字期望)、中位数、众数重合在这一点(图1)。有

其中为以上的密度函数。

若有随机变量其均值，而

则称是正偏态的，图形为右侧有一个长尾而左侧没有，此时众数最小，其次为中位数，期望最大，如图2所示。

图2显示取右侧极端值是有可能的，而均值受极端值的影响最大，与受极端值的影响很小。这是因为均值是矩(一阶中心矩)，无论是原点矩还是中心矩均受极端值的影 响较大，如图2，值被右侧极端值拉向右方比及都大很多。与不是矩，受极端值影响小得多，这是它们比均值优越的性质。

类似地，若，则称为负偏态的，密度函数在左侧有一个长尾而右侧没有，如图3所示，此时最小，其次，最大。

设，则称

为的偏度，当时，概率密度对直线对称。

有时，中位数比均值提供更多的信息。如人的寿命的分布密度函数是正偏态的，即有个别人有很高的寿命。当我们说中国人的平均寿命是71岁时，并不表示我们有1/2的可能活到71岁。此时，若中位数时，则表示我们有1/2的可能活到65岁而不是71岁。正偏态时，分布的尾巴在右侧，中位数总是比均数小的。

均值虽然有不稳健的缺点，但它有非常重要的优点是中位数和众数所无法取代的。