负偏态(negative skewness)亦称“左偏态”，指在一个不对称或偏斜的次数分布中，次数分布的高峰偏右，而长尾则从右逐渐延伸于左端。即次数分布的众数是在较大分数或量数的一侧(右侧)，而长尾是在较小分数或量数的一侧(左侧)。这种分布的偏态系数小于零。

负偏态分布(negative skewness distribution)是指频数分布的高峰偏于右侧，偏态系数为负值的频数分布形态。偏态分布分为正偏态和负偏态。当均值大于众数时称为正偏态；当均值小于众数时称为负偏态。

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。