定義
分布の「山の鋭さ」と「裾の厚さ」を示す指標。正規分布では理論上3となる（Pearsonの定義では「Excess Kurtosis = Kurtosis − 3」とする場合もある）。
公式（Fisherのサンプル尖度の例）
\[\small \text{Kurtosis} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^n \left( \frac{x_i – \bar{x}}{s} \right)^4 – \frac{3(n-1)^2}{(n-2)(n-3)}
\]
特徴
3より大きい（Excess Kurtosis > 0）＝尖った山（Leptokurtic）
3より小さい（Excess Kurtosis < 0）＝平らな山（Platykurtic）
使いどころ
データが正規分布と比べて「とがっているのか」「平らなのか」を評価したい場面。
外れ値や極端値が多い場合、尖度が高くなる傾向がある。
応用例
金融商品のリターン分布を見て、尖度が高いと「極端なリターン（大勝or大負）が出やすい」ことを意味しリスク管理上重要。
検定手法の前提（正規性）を確認する一助。
留意点
歪度と同様に、サンプルサイズが小さいと推定が不安定。
極端な外れ値があると、尖度も急激に変化しやすい。
